Тема COMRAD404

operativnaya-lenta — страница 35

353 материалов

Бенчмаркинг ИИ-агентов для кодинга на масштабной кодовой базе

Исследование оценило производительность ИИ-агентов при работе с миллионами строк кода. Анализ выявил, что для достижения наилучших результатов требуется комбинация различных...

AgentLens: новый бенчмарк для оценки кодовых агентов

Представлен AgentLens, новый бенчмарк для оценки интерактивных кодовых агентов, который фокусируется на полной траектории выполнения задач, а не только на...