Descifrando SWE-bench: ¿Qué mide realmente este benchmark?
SWE-bench se ha convertido en la "nota de corte de la selectividad" para las habilidades de programación de IA. Pero, ¿superar el 80% significa que la IA realmente puede trabajar como programadora? El artículo analiza el método de prueba, la clasificación actual y las limitaciones inherentes de este benchmark.