SWE

IT之家8 月15 日消息，OpenAI 公司于8 月13 日发布新闻稿，宣布推出SWE-bench Verified 代码生成评估基准，解决了此前的局限性问题，能够更准确地评估人工智能模型在软件工程任务中的表现。SWE-benchIT之家注：SWE-Bench 是一个用于评估LLM 解决GitHub 上真实软件问题能力的后面会介绍。OpenAI 推出更可靠的代码生成评估基准：SWE-bench Verified。该公司blog里最重要的一句话是：”随着我们的系统越来越接近AGI,我们需要在越来越具有挑战性的任务中对它们进行评估”。该基准是对现有SWE-bench 的改进版本，旨在更可靠地评估AI 模型解决现实世界软件问题的能小发猫。

北京时间11月11日，2024WTT冠军赛法兰克福站以国乒2金1银收官。男单决赛，林诗栋(CHN)4-1安东·卡尔伯格(SWE)【11-5,11-7,11-9,8-11,11-8】这是林诗栋新奥运周期单打第五冠，生涯第二座冠军赛冠军，夺冠之路上淘汰了杜达，林昀儒等人。继WTT19连胜被小勒布伦终结后，又迎来W还有呢？林诗栋(CHN)4-1安东·卡尔伯格(SWE)【11-5,11-7,11-9,8-11,11-8】恭喜林诗栋夺得冠军，安东·卡尔伯格获得亚军。

今天，WTT法兰克福冠军赛男单1/8决赛，王楚钦不敌瑞典选手卡尔伯格，无缘8强。比分：安东·卡尔伯格(SWE)3-0王楚钦(CHN)【11-8,11-5,11-6】来源：央视新闻)举报/反馈解决真实GitHub Issue的基准测试，字节家的豆包MarsCode Agent悄悄登顶了。SWE-Bench,一个由普林斯顿大学提出的极具挑战性的Benchmark,近期受到工业界、学术界和创业团队的广泛关注。在其子集SWE-Bench Lite排行榜上，豆包MarsCode Agent近期冲上第一。虽然这是面向所有后面会介绍。

”年逾七旬的戴尔·斯威里斯(Dell Sweeris)一番话，逗笑了全场。中国驻美大使馆当地时间13日晚在华盛顿举办庆祝活动纪念中美乒乓外交52周年，邀请北京大学乒乓球队与美国乒乓名宿戴尔、康妮夫妇以及大华府地区的青少年乒乓球手，以乒乓表演赛的形式，回顾历史，展望未来。当地小发猫。【AI 编码领域惊现新霸主，Genie 超越Devin 引领潮流】今年3 月上线的首个“AI 程序员”Devin 由CognitionAI 开发，如今5 个月过去，Cosine 开发的Genie 成为新强者。Cosine 发布的报告显示，在SWE-Bench 中，Genie 得分30.08%,远超Devin 的13.8%。Genie 能在人类工程师指导说完了。

允中发自凹非寺量子位| 公众号QbitAI超越Devin!SWEBench排行榜上迎来了新玩家——StarShip CodeGen Agent,姚班带队初创公司OpenCSG出品，以23.67%的成绩获得全球第二名的成绩。同时创造了非GPT-4o基模的最高纪录(SOTA)。我们都知道，SWEBench评测高度贴近真实编程等会说。【OpenCSG创大模型编程世界纪录】《科创板日报》31日讯，近日，国内初创企业OpenCSG推出的StarShip CodeGen Agent,以23.67%的成绩刷新了普林斯顿SWEBench(大模型真实独立编程评测)排行榜，取得了全球第二名的成绩，同时创造了非GPT-4o基模的历史最高纪录(SOTA)。记者后面会介绍。