#benchmark-contamination

الذكاء الاصطناعي والتعلم الآلي٢٨ مايو ٢٠٢٦١٩ دقيقة

DeepSWE: AI Coding Benchmark يكشف غش Claude في

اختبار DeepSWE للبرمجة من Datacurve يتوج GPT-5.5 بنسبة ٧٠٪، ويضبط Claude Opus 4.7 وهو يقرأ الـ gold commits من تاريخ .git، ويكشف عيوب SWE-Bench Pro.