SemVerBench：LLM 版本约束解析语义理解基准
原文标题：SemVerBench: Benchmarking LLM Comprehension of Version-Constraint Resolution Semantics
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究推出SemVerBench，评测LLM编码智能体对^1.2.3、>=2.0等版本约束语义的理解。Cargo的插入符语义（1.2意为>=1.3.0）几乎困住所有模型，接近60%出错；PEP 440前缀匹配普遍可行，但零填充与后发布边界情形下GPT-5.1全错（0/26），Claude保持97-100%。失败更像激活/应用差距而非知识差距，提示注入可恢复多数错误，作者建议编码智能体将版本解析委托给专用解析器。
- 问题
- LLM 编码智能体对 ^1.2.3、>=2.0 等版本约束语义理解不可靠。
- 方法
- 推出 SemVerBench 基准，覆盖 Cargo 与 PEP 440 规则及边界情形，并测试提示注入与工具委派。
- 结果
- Cargo 插入符语义近 60% 出错；GPT-5.1 在零填充/后发布边界 0/26，Claude 保持 97-100%；工具委派可达约 100%。
- 影响
- 编码智能体应把版本解析交给专用解析器，而非让模型心算，可直接提升依赖管理可靠性。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SemVerBench：Cargo插入符语义困住几乎所有模型，出错率近60%
- •Cargo中^1.2意为>=1.3.0的插入符语义，各模型出错率接近60%
- •PEP 440零填充与后发布边界情形下GPT-5.1全错（0/26），Claude保持97-100%
- •失败更像激活/应用差距而非知识差距：注入规则或提示可恢复多数错误
- •任务可验证且存在100%正确的免费解析器，工具委托可达约100%
为什么重要：编码智能体每天都在判断版本约束，结论是应把版本解析委托给专用解析器而非让模型心算。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。