| Benchmark | 测评分类 | 可信级别 | 开放 | 热度 |
|---|---|---|---|---|
SWE-bench Verified SWE-bench· Princeton + OpenAI | 代码仓库级代码 | S高可信 | 58.9 | |
SWE-QA-Pro-Bench · TIGER-Lab | 代码仓库级代码 | B待确认 | 18.6 | |
SWE-Next · TIGER-Lab | 代码仓库级代码 | B待确认 | 15.7 | |
SWE-MERA · MERA-evaluation | 代码仓库级代码 | B待确认 | 15.1 | |
SWE-bench Test SWE-bench· Princeton | 代码仓库级代码 | A已审核 | 5.1 | |
SWE-bench Multilingual SWE-bench· Princeton | 代码仓库级代码 | A已审核 | 5.0 | |
android-bench · android-bench | 代码仓库级代码 | B待确认 | 0.0 |