TGViewer
Про AI: Лучшие cтатьи и исследования Про AI: Лучшие cтатьи и исследования @ai_longreads · 1.85K subscribers
Post #368 619
Почему SWE-bench Verified больше не измеряет возможности фронтирного кодирования

SWE-bench Verified все больше подвержен контаминации данных. OpenAI рекомендует переходить на SWE-bench Pro для оценки возможностей моделей в программировании.

Читать статью
Open in Telegram All posts from @ai_longreads
More from @ai_longreads
  1. Oct 8, 2026Pi Durable Earendil представляет Pi Durable — экспериментальный фреймворк для создания дол…
  2. Oct 7, 2026Настройка Claude Code с помощью модов Небольшие функции на TypeScript позволяют менять пов…
  3. Oct 7, 2026Дайджест AI-новостей: что в тренде сегодня: LIFT: Извлечение структурированных данных из P…
  4. Oct 5, 2026Руководство по DGX Spark Исчерпывающее руководство по NVIDIA DGX Spark: от покупки первого…
  5. Oct 5, 2026Актуальное из AI-индустрии — GitHub, Reddit, Hugging Face: Набор навыков Claude для клонир…
  6. Oct 4, 2026Как обучить собственный Jev за $17 Пошаговое руководство по fine-tuning классификационной…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →