热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Yaron (Ron) Minsky
偶尔做OCaml程序员。主持人@signalsthreads。
@yminsky@discuss.systems
@yminsky.bsky.social
https://t.co/kiUGRvWOO2
他们进行这项研究真是太棒了。这证明了任何在严肃工程工作中使用这些模型的人都能看到的事情，但在公共数据中却是看不见的。
3月11日 00:34
基准测试如何映射到现实世界的能力？为此，我们聘请了4位在SWE-bench Verified中使用的仓库的维护者来审查代理代码。
在通过SWE-bench评分器的代理PR中，维护者大约会合并一半。这在考虑维护者决策中的噪声时仍然成立。
120
热门
排行
收藏