刚刚，OpenAI又双叒叕鸽了！没等来“草莓”发布，只敷衍发了评测集，网友：拿这来抢谷歌发布会风头？

文章预览

整理 | 李冬梅 褚杏娟 大家期待中的 OpenAI 与谷歌“大战”并未如约而至，双方都打出了“毫无杀伤力”的棉花拳。 以为能等到“草莓”，没想到来了个“羽衣甘蓝” 尽管全世界都在盯着“草莓计划”，但似乎叛逆的 OpenAI 总是不尽如人愿。你要“草莓”，他们偏偏给你个“羽衣甘蓝”。 北京时间 14 日凌晨 2 点，OpenAI 在其官网上发文称正在发布一个经过人工验证的 SWE-bench 子集，该子集可以更可靠地评估 AI 模型解决现实世界软件问题的能力。 SWE-bench Hugging Face 地址： https://huggingface.co/datasets/princeton-nlp/SWE-bench_Verified 作为准备框架的一部分（准备框架是 OpenAI 设立的一套安全地开发和部署其前沿模型的方法），OpenAI 开发了一系列指标来跟踪、评估和预测模型的自主行动能力。 一直以来，自主完成软件工程任务的能力是前沿模型自主风险类 ………………………………