这条社区讨论围绕“企业私有代码上的 AI 编程榜单可信吗？”展开。Real-SWE 用真实企业代码库评测模型，引发了 150 多条讨论。

讨论焦点是公开题库是否高估编程模型，以及私有仓库、长上下文和真实依赖能否更接近日常开发。看榜单时应同时检查任务来源、污染风险和可复现性。

企业私有仓库能减少公开题库记忆带来的干扰，也会引入环境配置和任务选择偏差。看榜单时应同时检查样本来源、可复现步骤、成功判定和人工介入程度。