Gramdex

commit history

@c0mmitKanal Русский History

Abonnenten
4.7K
Platz 14505 insgesamtPlatz 9463 auf Русский
Wachstum in 7 Tagen
–
Wachstum in 30 Tagen
–
Aufrufe pro Beitrag
4.9K
Interaktion
105.8%
Beiträge pro Tag
0.0
Zitationsindex
4.4
Von 1 Kanälen in 30 Tagen zitiert
Qualität
66/100

Diagramme erscheinen nach zwei Tagen mit Messungen.

Zitiert von 1

  1. Love. Death. Transformers.26.3K abonnenten 1×, vor 10 T.

Zitiert 0

Keine in den letzten 30 Tagen.

Neueste Beiträge

  • Релизнули LongTail-SWE: 202 задачи на 13 языках, на которых модели почти не тестировали. Из интересного: на некоторых функциональных языках, таких как Haskell, Erlang и Clojure, разрыв между закрытыми и открытыми моделями оказался больше, чем на остальных языках. Задачи собрали и…

    vor 5 T.1.4K Aufrufe Beitrag öffnen

  • 🚀 Выложили SWE-rebench V2.1 RL: 13 337 бесплатных RL-сред для обучения кодинг-агентов. Это задачи из реальных GitHub-репозиториев на 20 языках, в формате Harbor Зачем это нужно. В RL модель решает одну задачу много раз и учится на разнице между удачными и неудачными попытками. Ес…

    vor 10 T.13.5K Aufrufe Beitrag öffnen

  • Проверил популярную идею: Opus думает и ревьюит, а код пишет дипсик или квен. Вроде должно выйти почти так же, но дешевле. Раньше я собирал сеты из своих сессий, но там задачи слишком лёгкие. В этот раз взял 12 сложных задач из открытых бенчмарков, самые похожие на мою работу, в …

    vor 11 T.10.2K Aufrufe Beitrag öffnen

  • Из сессий с агентами получаются готовые evals Каждый раз, когда выбираю сетап для кодового агента, я немного гадаю. Лучше ли эта новая модель? Помогает ли больше reasoning? Помогают ли эти скиллы? Поэтому из ~1270 своих сессий в Claude Code, Codex и Pi я собрал 10 задач с автомат…

    vor 30 T.55.9K Aufrufe Beitrag öffnen

  • Вернувшись с ICML, с головой закопался в новый апдейт SWE-rebench и лидерборда! 🛠️ Этот релиз мы сделали масштабнее, он мультиязычный. Собрал 111 задач на 5 языках, сделал кучу прогонов и зарылся в траектории агентов, чтобы отловить, как именно модели читерят и обманывают эвалы. …

    vor 3 Mon.14K Aufrufe Beitrag öffnen

Ähnliche