OpenAI GPT - 5 编程测试存争议：跳过23道难题后公布高分
（图片来自网络）
事件背景与争议点：OpenAI在SWE - bench Verified编程测试中仅完成477道题却公布74.9%高分，对比Anthropic Claude完成全部500题的情况，引发行业争议。尤其是OpenAI声称“跳过23道难题”后取得“领先”，其评测分数的可比性与透明性成为焦点。
发布会乌龙与数据操作：OpenAI在发布会中存在表格错误等乌龙后，又引发对其数据操作的质疑。SWE - bench Verified总共设置500道题，GPT - 5仅完成477道，跳过了23道无法运行的题目；而Claude则完整完成所有题目，导致分数对比存在明显差异。
分数计算与公平性争议：
若将跳过的23道题按0分计入，GPT - 5实际全题通过率约为71.4%（74.9%×477/500），低于Claude的74.5%。这显示GPT - 5的“领先”可能基于不完整的评测，引发对评测方法公平性的质疑。
SWE - bench与Verified测试解读：
SWE - bench是AI领域的“程序员高考”，以严格标准考验真实代码难题，评分要求极高。SWE - bench Verified是其人类校验子集，由OpenAI与合作方筛选后确定500道题，但OpenAI未完成全部题目，类似“考了部分试卷却自称全卷满分”，导致分数可比性存疑。
行业影响与未来反思：此事件引发对AI模型评测标准的反思，强调评测透明性与完整性。未来企业或更注重测试公正性，避免操作争议，推动行业健康规范发展。
（声明：该内容经AI精编）
查看原网页
最新新闻
- 2026年1月28日：昨日社会热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日文化热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日科技热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日体育热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日娱乐热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日财经热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日教育热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日汽车热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：迈阿密国际新援雷吉隆右膝关节受伤 归期待定
- 2026年1月28日：阿森纳联赛阶段11连胜仅丢4球 本赛季前7场率先破门
- 2026年1月28日：交通运输部加强春运公路水路服务保障 推出保畅组合拳
- 2026年1月28日：凡人微光｜冰雪热潮中的平凡热爱故事
- 2026年1月28日：冰雪产业焕新：冷资源变热经济，打造全年发展‘旺火’
- 2026年1月28日：2025中国经济关键词：潜力释放 激活超大规模市场优势
- 2026年1月28日：大转折！2025年制造业利润大幅回升，反“内卷”改善价格预期
- 2026年1月28日：2026年中国外贸发展方向：从关键词看新布局
- 2026年1月28日：金沙江鱼儿回家之路：隧洞刷脸、电梯通行，生态保护见成效
- 2026年1月28日：走进“冰雪热”幕后：吉林省冰雪经济背后的劳动者故事
- 2026年1月28日：非洲留学生“小米”变身长沙经贸“纽带”，用直播架起中非经贸之桥
- 2026年1月28日：“一降一增”见证中国外贸破局前行
精彩评论（10）