Se ha lanzado una versión verificada de SWE-bench, un conjunto de pruebas para evaluar la capacidad de los modelos de inteligencia artificial para resolver problemas reales en el desarrollo de software. Esta versión ha sido validada por humanos y ofrece una evaluación más confiable de la capacidad de los modelos para abordar problemas del mundo real. Esto puede ayudar a mejorar la precisión y la eficacia de los modelos de inteligencia artificial en el desarrollo de software.