研究发现LLM代码补丁运行时性能存在差异

发生了什么

据arXiv cs.CL研究，LLM生成的正确代码补丁在运行时性能上存在显著差异。研究评估了Claude Opus 5、GPT 5.6等模型在SWE-bench上的表现，发现近半数实例中补丁性能存在差异。生成补丁的性能与LLM的问题解决率无关，甚至出现排名反转，表明仅凭正确性评估不足以表征LLM能力。