推主认为DeepSWE基准测试符合实际长期使用体验
这个基准测试非常符合我在真实世界长期使用中的感受。
今天我们发布 DeepSWE，一个用于 agentic coding 基准测试的新标准。在公开排行榜上，顶级模型的能力看起来相对接近。DeepSWE 展示了它们实际的分歧，反映了开发者在日常工作中的真实体验。
今天我们发布 DeepSWE，一个用于 agentic coding 基准测试的新标准。在公开排行榜上，顶级模型的能力看起来相对接近。DeepSWE 展示了它们实际的分歧，反映了开发者在日常工作中的真实体验。