Gramdex

commit history

@c0mmitKanaal Русский History

Abonnees
4.7K
Nr. 14556 in totaalNr. 9509 in het Русский
Groei in 7 dagen
–
Groei in 30 dagen
–
Weergaven per bericht
4.9K
Betrokkenheid
105.8%
Berichten per dag
0.0
Citatie-index
4.4
Geciteerd door 1 kanalen in 30 dagen
Kwaliteit
66/100

Grafieken verschijnen na twee dagen meten.

Geciteerd door 1

  1. Love. Death. Transformers.26.3K abonnees 1×, 10 d geleden

Citeert 0

Geen in de laatste 30 dagen.

Recente berichten

  • 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 d geleden1.4K weergaven Bericht openen

  • 🚀 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 d geleden13.5K weergaven Bericht openen

  • 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 d geleden10.2K weergaven Bericht openen

  • 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 d geleden55.9K weergaven Bericht openen

  • 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 mnd geleden14K weergaven Bericht openen

Vergelijkbaar