Por qué ya no evaluamos SWE-bench Verified

OpenAI ha decidido dejar de evaluar SWE-bench Verified debido a su contaminación y mala medición del progreso en codificación. Según su análisis, los tests están defectuosos y hay fugas de entrenamiento.

Resumen elaborado por Kernelia a partir del artículo original de OpenAI News. La noticia y sus derechos pertenecen a su autor.