30. mája 2026
DeepSWE: nový benchmark ukazuje, prečo coding agenti zlyhávajú na dlhých úlohách
↻ AktualizovanéDatacurve 26. mája 2026 zverejnil DeepSWE: benchmark pre dlhé coding-agent úlohy. Dôležité nie je len poradie modelov, ale spôsob merania: originálne úlohy, väčšie zmeny v repozitároch a behaviorálna verifikácia.
Čítať ďalej→