SWE-Lancer – OpenAI 推出的大模型基准测试

SWE-Lancer 是 OpenAI 推出的大模型基准测试，评估前沿语言模型（LLMs）在自由职业软件工程任务中的表现。包含来自 Upwork 的 1400 多个任务，总价值达 100 万美元，分为个人贡献者（IC）任务和管理任务。IC 任务涵盖从简单修复到复杂功能开发，管理任务则要求模型选择最佳技术方案。SWE-Lancer 的任务设计贴近真实软件工程场景，涉及全栈开发、API 交互等复杂场景。通过专业工程师的验证和测试，基准测试能评估模型的编程能力，衡量在实际任务中的经济效益。

官网：https://github.com/openai/SWELancer-Benchmark

立即打开官网