Giải mã SWE-bench: Chuẩn đánh giá này thực sự đo lường điều gì?
SWE-bench đã trở thành "điểm chuẩn đại học" cho khả năng lập trình AI, nhưng liệu đạt trên 80% có đồng nghĩa AI thực sự có thể thay thế lập trình viên? Bài viết phân tích phương pháp kiểm tra, bảng xếp hạng hiện tại và những hạn chế cố hữu của benchmark này.