Gramdex

commit history

@c0mmitチャンネル Русский History

登録者数
4.7K
総合 14525 位Русскийで 9480 位
7 日間の成長
–
30 日間の成長
–
投稿あたりの閲覧数
4.9K
エンゲージメント
105.8%
1 日の投稿数
0.0
引用指数
4.4
30 日間に 1 チャンネルが引用
品質
66/100

グラフは 2 日間の計測後に表示されます。

引用元 1

  1. Love. Death. Transformers.26.3K 登録者数 1×, 10 日前

引用先 0

過去 30 日間はありません。

最近の投稿

  • 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…

    5 日前1.4K 回閲覧 投稿を開く

  • 🚀 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…

    10 日前13.5K 回閲覧 投稿を開く

  • 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 …

    11 日前10.2K 回閲覧 投稿を開く

  • 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…

    30 日前55.9K 回閲覧 投稿を開く

  • 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. …

    3 か月前14K 回閲覧 投稿を開く

類似