Gramdex

commit history

@c0mmitערוץ Русский היסטוריה

מנויים
4.7K
מקום 14529 בסך הכלמקום 9484 בРусский
צמיחה ב-7 ימים
–
צמיחה ב-30 יום
–
צפיות לפוסט
4.9K
מעורבות
105.8%
פוסטים ביום
0.0
מדד ציטוט
4.4
צוטט על ידי 1 ערוצים ב-30 יום
איכות
66/100

הגרפים יופיעו אחרי יומיים של מדידות.

מצטטים אותו 1

  1. Love. Death. Transformers.26.3K מנויים 1×, לפני 10 ימים

הוא מצטט 0

אין ב-30 הימים האחרונים.

פוסטים אחרונים

  • 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…

    לפני 5 ימים1.4K צפיות לפוסט

  • 🚀 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…

    לפני 10 ימים13.5K צפיות לפוסט

  • 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 …

    לפני 11 ימים10.2K צפיות לפוסט

  • 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…

    לפני 30 ימים55.9K צפיות לפוסט

  • 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. …

    לפני 3 חודשים14K צפיות לפוסט

דומים