commit history
- Suscriptores
- 4.7K
- N.º 14525 en totalN.º 9480 en Русский
- Crecimiento en 7 días
- –
- Crecimiento en 30 días
- –
- Visualizaciones por publicación
- 4.9K
- Interacción
- 105.8%
- Publicaciones al día
- 0.0
- Índice de citas
- 4.4
- Citado por 1 canales en 30 días
- Calidad
- 66/100
Los gráficos aparecen tras dos días de mediciones.
Lo citan 1
Cita a 0
Ninguno en los últimos 30 días.
Publicaciones recientes
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…
🚀 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…
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 …
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…
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. …
Similares
| Nombre | Suscriptores | Crecimiento en 30 días |
|---|---|---|
| Карго-анекдоты категории Б 🌴 | 16.4K | – |
| Удар Эджуке | ЦСКА | 17.4K | – |
| Молдова онлайн | 18.3K | – |
| Тen Hag ball ✍️ 🔴 | 18.4K | – |
| ПОДСЛУШАНО КИТАЙ ГОРОД | 17.2K | – |
| Бол-бой о теннисе | ATP | WTA | 18.5K | – |







