SWE-Duel: новый бенчмарк для взаимной проверки ИИ-агентов
Исследователи представили SWE-Duel — арену, где coding-агенты по очереди создают функции со скрытыми дефектами и пытаются исправить код друг друга....
Тема COMRAD404
Тема COMRAD404
Исследователи представили SWE-Duel — арену, где coding-агенты по очереди создают функции со скрытыми дефектами и пытаются исправить код друг друга....