April 27, 2026 April 27, 2026 April 27, 2026 April 27, 2026 SWE-bench Verified 失效：公开编程评测的可信度危机与下一代评估范式转型 SWE bench Verified 失效：当前沿模型开始“记住答案”，公开评测就不再等于真实编程能力 核心解读 今天 Hacker News 上最值得 llmapis.com 跟进的 AI 评测话题，不是某个模型又刷新了多少分，而是 OpenAI 明确宣布： SWE bench Verified 已经不再适合衡量前沿 swe-benchevaluation-contaminationautonomous-software-engineeringai-benchmarkscoding-agents