Nâng cao thanh trên ghế SWE được xác minh với Claude 3.5 Sonnet
Raising the bar on SWE-bench Verified with Claude 3.5 Sonnet
Đoạn trích bài viết
SWE-bench là một bài đo chuẩn AI đánh giá khả năng của một mô hình để hoàn thành các nhiệm vụ kỹ thuật phần mềm trong thế giới thực.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên anthropic
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.