SWE-Bench ProMax 在大型多语言代码重构任务上对智能体进行基准测试 论文： https:// huggingface.co/papers/2608.09 802 …
SWE-Bench ProMax 在大型多语言代码重构任务上对智能体进行基准测试 论文： https:// huggingface.co/papers/2608.09 802 …
benchmark
所有带有「benchmark」标签的 AI 情报。
5 条情报自行车场景的PSNR问题
为什么自行车场景有时会出现低PSNR？数据集中有一只狗影响了基准测试。
大脑如何构建内部世界状态
探讨大脑如何从不完整的视觉观察中构建和跟踪内部状态。
静态基准测试逐渐失效
静态基准测试逐渐失效，评估和训练数据应与前沿模型共同演进。
AI编码基准的历史
听@jyangballin讲解ProgramBench及AI编码基准的历史。