Chủ đề thịnh hành
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+5,95%
USELESS
USELESS-1,94%
IKUN
IKUN-1,21%
gib
gib+3,66%
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk-0,37%
ALON
ALON+1,95%
LAUNCHCOIN
LAUNCHCOIN-2,52%
GOONC
GOONC+1,72%
KLED
KLED+9,31%
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP-1,98%
Boopa
Boopa+2,56%
PORK
PORK0,00%
header
Yaron (Ron) Minsky
Lập trình viên OCaml không thường xuyên. Người dẫn chương trình @signalsthreads. @yminsky@discuss. Hệ thống @yminsky.bsky.xã hội https://t.co/kiUGRvWOO2
Yaron (Ron) Minsky
Yaron (Ron) Minsky09:04 11 thg 3
Thật tuyệt vời khi họ thực hiện nghiên cứu này. Nó chứng minh những điều mà bất kỳ ai sử dụng các mô hình cho công việc kỹ thuật nghiêm túc đều có thể thấy, nhưng lại không hiển thị trong dữ liệu công khai.
Parker Whitfill
Parker Whitfill00:34 11 thg 3
Các tiêu chuẩn đánh giá tương ứng với khả năng thực tế như thế nào? Để nghiên cứu điều này, chúng tôi đã thuê 4 người duy trì các kho lưu trữ được sử dụng trong SWE-bench Verified để xem xét mã của tác nhân. Trong số các PR của tác nhân đã vượt qua trình chấm điểm của SWE-bench, các người duy trì sẽ hợp nhất khoảng một nửa. Điều này vẫn đúng khi tính đến sự nhiễu trong quyết định của người duy trì.
244