SWE-bench

كشف باحثو وكيل البرمجة Terminator-1 عن سبعة عيوب تصميمية في معايير الذكاء الاصطناعي الكبرى تُتيح استغلالات بسيطة لتزوير نتائج شبه مثالية دون حل المهام الفعلية.