Задача исправления реальных ошибок в коде стала одним из главных способов проверять большие языковые модели (LLM). Самый известный бенчмарк здесь, SWE-bench, имеет ограничения. Авторы статьи "SWE-benc
Markdown supported · ⌘↵ to post
No responses yet.