分類： 評測基準

• 再見了 SWE-Bench！Cursor 剛發布了一個 AI 程式設計評測基準，Claude 都被考哭了
• 0% 通過率！程式碼神話泡沫化！LiveCodeBench Pro 正式發布！
• AI越聰明越不聽話！新研究：最強推理模型指令遵循率僅50%