トレンドトピック
#
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
時々OCamlプログラマーをしています。ホスト・オブ・@signalsthreads。
@yminsky@discuss.systems
@yminsky.bsky.social
https://t.co/kiUGRvWOO2
この研究が行われたのは素晴らしいことです。これは、真剣なエンジニアリング作業でモデルを使う人が見ることができるものを示すが、公開データでは見えないものだ。
3月11日 00:34
ベンチマークはどのようにして実際の能力と結びつくのでしょうか?これを研究するために、私たちはSWE-bench Verifiedで使われているリポジトリの4人のメンテナを雇い、エージェントコードをレビューしました。
SWE-benchのグレーダーに合格したエージェントPRのうち、メンテナンス担当者は~半数を合併しました。これは、メンテナーの意思決定におけるノイズの原因となります。
124
トップ
ランキング
お気に入り