Rubriques tendance
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Yaron (Ron) Minsky
Programmeur OCaml occasionnel. Hôte de @signalsthreads.
@yminsky@discuss.systèmes
@yminsky.bsky.social
https://t.co/kiUGRvWOO2
Génial qu'ils aient réalisé cette étude. Cela démontre des choses que quiconque utilisant les modèles pour un travail d'ingénierie sérieux pourrait voir, mais qui sont invisibles dans les données publiques.
11 mars, 00:34
Comment les benchmarks se traduisent-ils en capacités réelles ? Pour étudier cela, nous avons engagé 4 responsables de dépôts utilisés dans SWE-bench Verified pour examiner le code des agents.
Parmi les PR des agents qui ont réussi le correcteur de SWE-bench, les responsables fusionneraient environ la moitié. Cela reste vrai en tenant compte du bruit dans les décisions des responsables.
248
Meilleurs
Classement
Favoris