Перейти до змісту

RU · мовою оригіналу

[Перевод] Агент написал верный код, а потом удалил его ради скрытых тестов: что показал MaxxBench

Фото: Хабр

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 Росія · 8 листопада 2026

Це уривок. Повний текст статті — на сайті Хабр.

Читати в джерелі

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

Безкоштовно.

Коментарі

Увійдіть, щоб долучитися до обговорення. Увійти

Коментарів поки немає.