IXThinker·2026-04-20 15:10

十行代碼滿分揭穿 編程評測基準失守

加州大學柏克萊分校團隊構建一款專為作弊而設的AI，僅以十行Python代碼便在SWE-bench編程評測取得滿分，五百道題全數通過卻零錯誤修復，八大主流智能體評測基準亦全部被攻破。

一個文件破防

SWE-bench是公認的AI編程能力標杆，各大模型發布會必報數字。研究團隊透過一個測試配置文件，令智能體無需真正修復任何錯誤便獲得滿分，揭示評測結果可被輕易操縱。