Gramdex

commit history

@c0mmit채널 Русский History

구독자
4.7K
전체 14511위Русский 9468위
7일 성장
–
30일 성장
–
게시물당 조회수
4.9K
참여도
105.8%
하루 게시물
0.0
인용 지수
4.4
30일간 1개 채널이 인용
품질
66/100

그래프는 이틀간 측정한 뒤 표시됩니다.

이 채널을 인용한 곳 1

  1. Love. Death. Transformers.26.3K 구독자 1×, 10일 전

이 채널이 인용한 곳 0

최근 30일간 없습니다.

최근 게시물

  • 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…

    5일 전1.4K 회 조회 게시물 열기

  • 🚀 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…

    10일 전13.5K 회 조회 게시물 열기

  • 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 …

    11일 전10.2K 회 조회 게시물 열기

  • 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…

    30일 전55.9K 회 조회 게시물 열기

  • 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. …

    3개월 전14K 회 조회 게시물 열기

비슷한 채널