commit 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
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…
🚀 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. …
비슷한 채널
| 이름 | 구독자 | 30일 성장 |
|---|---|---|
| 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 | – |







