论文审计 GSO、SWE-Perf 与 SWE-fficiency，跨四类 Google Cloud 机器重放 740 个官方参考补丁。完全满足原有效性规则的任务仅为 39/102、11/140 和 411/498；不同评分规则还改变公开提交排名，并让少数任务占据最高 82.8% 的权重，暴露聚合榜单对运行波动与计分设计的敏感性。
最近 24 小时暂无可用热度快照。