Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Yaron (Ron) Minsky
Pemrogram OCaml sesekali. Tuan rumah @signalsthreads.
@yminsky@discuss.sistem
@yminsky.bsky.sosial
https://t.co/kiUGRvWOO2
Luar biasa bahwa mereka melakukan penelitian ini. Ini menunjukkan hal-hal yang dapat dilihat oleh siapa pun yang menggunakan model untuk pekerjaan teknik yang serius, tetapi tidak terlihat dalam data publik.
11 Mar, 00.34
Bagaimana tolok ukur memetakan kemampuan dunia nyata? Untuk mempelajari hal ini, kami menyewa 4 pengelola repo yang digunakan di SWE-bench Verified untuk meninjau kode agen.
Dari PR agen yang lulus grader SWE-bench, pengelola akan bergabung ~setengahnya. Ini memperhitungkan kebisingan dalam keputusan pengelola.
115
Teratas
Peringkat
Favorit