SWE-Duel: Towards a Self-Scaling Arena for Coding Agents

huggingface

Đoạn trích bài viết

Các bộ chuẩn đánh giá lập trình tĩnh được cố định ngay khi phát hành. Theo thời gian, các tác vụ của chúng bị rò rỉ vào dữ liệu huấn luyện, và các agent mạnh hơn cuối cùng sẽ làm bão hòa chúng.

Toàn văn bài viết

Đọc bài viết đầy đủ trên huggingface

Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.

Mở bài viết gốc