AI Stack

TAGS / TERM

SWE-bench

共 43 篇

  1. SWE-bench通过率存疑：多数通过测试的PR实际不会被合并 2026-03-12 · HACKER_NEWS
  2. SWE-bench通过率高的PR往往无法合并 2026-03-12 · HACKER_NEWS
  3. SWE-bench基准测试：多数通过评估的PR实际无法合并 2026-03-12 · HACKER_NEWS
  4. SWE-bench基准测试通过率与实际PR合并率存在偏差 2026-03-11 · HACKER_NEWS
  5. Anthropic模型蒸馏与SWE-Bench失效机制分析直播 2026-03-02 · BLOGS_PODCASTS
  6. Anthropic 模型蒸馏与 SWE-Bench 作弊机制解析 2026-03-01 · BLOGS_PODCASTS
  7. Anthropic 模型蒸馏与 SWE-Bench 失效机制探讨 2026-03-01 · BLOGS_PODCASTS
  8. Anthropic模型蒸馏与SWE-Bench失效机制分析 2026-03-01 · BLOGS_PODCASTS
  9. Anthropic 模型蒸馏与 SWE-Bench 作弊机制分析 2026-02-28 · BLOGS_PODCASTS
  10. Anthropic模型蒸馏与SWE-Bench失效机制分析 2026-02-28 · BLOGS_PODCASTS
  11. Anthropic蒸馏与模型作弊机制：SWE-Bench失效分析 2026-02-27 · BLOGS_PODCASTS
  12. Anthropic蒸馏与模型作弊机制：SWE-Bench失效分析 2026-02-27 · BLOGS_PODCASTS
  13. Anthropic蒸馏与模型作弊机制：SWE-Bench失效分析 2026-02-27 · BLOGS_PODCASTS
  14. Anthropic 模型蒸馏与 SWE-Bench 失效机制分析 2026-02-27 · BLOGS_PODCASTS
  15. Anthropic 模型蒸馏与 SWE-Bench 作弊机制分析 2026-02-27 · BLOGS_PODCASTS
  16. Anthropic 模型蒸馏与 SWE-Bench 作弊机制分析 2026-02-26 · BLOGS_PODCASTS
  17. OpenAI前沿评估负责人探讨SWE-Bench Verified后的下一步 2026-02-25 · BLOGS_PODCASTS
  18. OpenAI前沿评估团队：迈向智能体评测的下一步 2026-02-25 · BLOGS_PODCASTS
  19. OpenAI前沿评估负责人：SWE-Bench Verified后的智能体评测新方向 2026-02-25 · BLOGS_PODCASTS
  20. OpenAI前沿评估团队：SWE-Bench Verified后的智能体评估新方向 2026-02-25 · BLOGS_PODCASTS
  21. OpenAI 前沿评估团队探讨迈向智能体评估的下一阶段 2026-02-24 · BLOGS_PODCASTS
  22. SWE-bench Verified 数据泄露与缺陷分析：为何应转向 SWE-bench Pro 2026-02-24 · BLOGS_PODCASTS
  23. OpenAI前沿评估团队：从SWE-Bench Verified看智能体评估演进 2026-02-24 · BLOGS_PODCASTS
  24. SWE-bench Verified 存在数据污染与评估偏差，建议改用 SWE-bench Pro 2026-02-24 · BLOGS_PODCASTS
  25. OpenAI前沿评估团队探讨SWE-Bench Verified后的下一步 2026-02-24 · BLOGS_PODCASTS
  26. SWE-bench Verified 数据污染与测度失准分析及替代方案 2026-02-24 · BLOGS_PODCASTS
  27. OpenAI 前沿评估团队：SWE-Bench Verified 之后的下一步 2026-02-24 · BLOGS_PODCASTS
  28. SWE-bench Verified 存在数据污染与缺陷，建议迁移至 SWE-bench Pro 2026-02-24 · BLOGS_PODCASTS
  29. OpenAI前沿评测团队：SWE-Bench Verified后的智能体评测演进 2026-02-24 · BLOGS_PODCASTS
  30. SWE-bench Verified 数据泄露与测试缺陷分析：为何应迁移至 SWE-bench Pro 2026-02-24 · BLOGS_PODCASTS
  31. OpenAI 推进智能体评估：SWE-Bench Verified 后续方向 2026-02-24 · BLOGS_PODCASTS
  32. SWE-bench Verified 数据泄漏与测试缺陷分析：为何推荐改用 SWE-bench Pro 2026-02-23 · BLOGS_PODCASTS
  33. OpenAI前沿评估团队：超越SWE-Bench Verified的智能体评估新阶段 2026-02-23 · BLOGS_PODCASTS
  34. OpenAI提出SWE-Bench-Dead：智能体前沿评估的下一步 2026-02-23 · BLOGS_PODCASTS
  35. SWE-bench Verified 数据污染严重，推荐使用 SWE-bench Pro 2026-02-23 · BLOGS_PODCASTS
  36. MiniMax M2.5 发布：SWE-bench Verified 得分 80.2% 2026-02-12 · HACKER_NEWS
  37. MiniMax M2.5 发布：SWE-bench Verified 得分 80.2% 2026-02-12 · HACKER_NEWS
  38. AI 代码审查的真实世界基准测试 2026-02-05 · HACKER_NEWS
  39. AI代码审查的真实世界基准测试 2026-02-04 · HACKER_NEWS
  40. 🔥实战复盘：解锁GPT-OSS的智能体RL训练秘籍！ 2026-01-28 · BLOGS_PODCASTS
  41. AI2开源最强智能体！自动写代码的超级工程师🚀 2026-01-28 · HACKER_NEWS
  42. 🚀AI2重磅发布：开放式编程智能体！代码自动生成新纪元！ 2026-01-27 · HACKER_NEWS
  43. AssetOpsBench：AI Agent基准测试与工业现实鸿沟如何跨越？🤖🔥 2026-01-26 · BLOGS_PODCASTS