Gramdex

commit history

@c0mmitKanał Русский History

Subskrybenci
4.7K
Nr 14507 ogółemNr 9465, Русский
Wzrost w 7 dni
–
Wzrost w 30 dni
–
Wyświetleń na post
4.9K
Zaangażowanie
105.8%
Postów dziennie
0.0
Indeks cytowań
4.4
Cytowany przez 1 kanałów w 30 dni
Jakość
66/100

Wykresy pojawią się po dwóch dniach pomiarów.

Cytują go 1

  1. Love. Death. Transformers.26.3K subskrybenci 1×, 10 dni temu

Cytuje 0

Brak w ostatnich 30 dniach.

Ostatnie posty

  • 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 dni temu1.4K wyświetleń Otwórz post

  • 🚀 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 dni temu13.5K wyświetleń Otwórz post

  • 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 dni temu10.2K wyświetleń Otwórz post

  • 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 dni temu55.9K wyświetleń Otwórz post

  • 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 mies. temu14K wyświetleń Otwórz post

Podobne