[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
Pełny tekst, tłumaczenie i streszczenie AI — po zalogowaniu
- Pełny artykuł w Twoim języku
- Streszczenie AI i tłumaczenie z oryginału
- To samo konto działa w aplikacji Suviy
Komentarze
Zaloguj się, aby dołączyć do dyskusji. Zaloguj się
Brak komentarzy.