[Перевод] Агент написал верный код, а потом удалил его ради скрытых тестов: что показал MaxxBench
Авторы MaxxBench взяли 89 задач кодингового бенчмарка DeepSWE и немного поменяли требования: медианный прирост эталонного патча составил всего 17 строк. Модели с почти одинаковыми 74% на DeepSWE…
Хабр
Volltext, Übersetzung und KI-Zusammenfassung — nach der Anmeldung
- Der vollständige Artikel in Ihrer Sprache
- KI-Zusammenfassung und Übersetzung aus dem Original
- Dasselbe Konto funktioniert in der Suviy-App
Kommentare
Melden Sie sich an, um mitzudiskutieren. Anmelden
Noch keine Kommentare.