pass@1

Assess

Kỹ thuật

Chỉ số đánh giá đo tỷ lệ hoàn thành thành công ngay từ lần thử đầu tiên.

Vì sao ở đây

Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là tin nghiên cứu, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.

Bằng chứng (1)

7Hacker News·12/9/2026research
Real-SWE đánh giá các tác nhân AI trên mã nguồn doanh nghiệp riêng tư
Real-SWE là một bộ benchmark mới để đánh giá các mô hình lập trình AI tiên tiến trên các codebase doanh nghiệp thực tế nhưng riêng tư. Bộ benchmark này đo khả năng xử lý mã nguồn độc quyền, quy tắc đặc thù của từng công ty và các tác vụ sản xuất có tác động kinh doanh, thông qua harness gốc và tỷ lệ hoàn thành kiểu pass@1.