[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
Повний текст, переклад і AI-підсумок — після входу
- Повний текст статті вашою мовою
- AI-підсумок і переклад з оригіналу
- Той самий акаунт працює в додатку Suviy
Коментарі
Увійдіть, щоб долучитися до обговорення. Увійти
Коментарів поки немає.