商傳媒AI 程式碼工具真能助寫程式？新測試揭模型極限
未署名全文約 983 字
文章摘要
商傳媒 · 文章頁摘要一項名為 ExpertCrowd-SWE 的新基準測試，專門用於評估 AI 程式碼工具在真實軟體工程任務中的可靠性，結果顯示不同 AI 模型在處理複雜問題時，其性能差距比傳統測試更大，其中 Anthropic 的 Claude Opus 5.5 表現居冠。
一項名為 ExpertCrowd-SWE 的新基準測試，專門用於評估 AI 程式碼工具在真實軟體工程任務中的可靠性，結果顯示不同 AI 模型在處理複雜問題時，其性能差距比傳統測試更大，其中 Anthropic 的 Claude Opus 5.5 表現居冠。...