Последние добавленные видео:
SWE-bench
-
13 дней назад
1353 13 дней назад 8:11Beyond SWE-Bench Pro - Where do Agents go from Here?
-
5 месяцев назад
1973 5 месяцев назад 21:38Verdent — лучший AI для кода? 1 место SWE Benchmark + честный тест
-
1 месяц назад
3922 1 месяц назад 27:10The End of SWE-Bench Verified — Mia Glaese & Olivia Watkins, OpenAI Frontier Evals
-
5 месяцев назад
393 5 месяцев назад 6:17SWE-BENCH: CAN LANGUAGE MODELS RESOLVE REAL-WORLD GITHUB ISSUES?
-
3 месяца назад
524 3 месяца назад 4:15Что такое SWE Bench?
-
5 месяцев назад
128234 5 месяцев назад 55:07Цепочка мыслей | Представляем SWE-Bench Pro
-
1 год назад
7085 1 год назад 13:38Evaluate agents on SWE-Bench
-
1 год назад
295 1 год назад 52:47SciCode, AssistantBench, CiteME and SWE-bench: Summer of Benchmarks
-
1 месяц назад
48 1 месяц назад 6:38SWE Bench Verified - AI Benchmark
-
8 месяцев назад
517 8 месяцев назад 5:52What do AI Benchmarks Actually Mean?! A Fast Breakdown (MMLU, SWE-bench, & More Explained)
-
7 часов назад
4196 7 часов назад 5:02Клод Опус 4.7 за 5 минут
-
1 год назад
21344 1 год назад 4:23SWE-Bench authors reflect on the state of LLM agents at Neurips 2024
-
![[State of Code Evals] After SWE-bench, Code Clash & SOTA Coding Benchmarks recap — John Yang](https://imager.clipsaver.ru/MxB-xRGXxkk/max.jpg)
3 месяца назад
1488 3 месяца назад 17:45[State of Code Evals] After SWE-bench, Code Clash & SOTA Coding Benchmarks recap — John Yang
-
2 года назад
2286 2 года назад 51:53John Yang - SWE-bench: Can Language Models Resolve Real-World GitHub Issues?
-
11 месяцев назад
3817 11 месяцев назад 3:021. Install a Repository
-
3 дня назад
643 3 дня назад 9:39Zhipu's 754B open model just beat GPT-5.4 on SWE-Bench Pro
-
4 месяца назад
24 4 месяца назад 4:39New King of Code Just Dropped: 80.9% SWE-bench!
-
1 месяц назад
27 1 месяц назад 7:42SWE Bench Contamination
-
1 месяц назад
7 1 месяц назад 6:06METR: Half of SWE-Bench Passes Fail Real Code Review