BenchmarkGlobal
OpenAI zieht Empfehlung für Coding-Benchmark SWE-Bench Pro zurück
Ein internes Audit von OpenAI stuft rund 30 Prozent der öffentlichen Aufgaben als fehlerhaft ein. Damit verliert der Benchmark seine Aussagekraft als Messlatte für die Leistungsfähigkeit von KI-Coding-Modellen.