Mellum2.1 语言模型在 SWE-bench Verified 基准测试中的性能有了显著提升,得分从 2.0 跃升至 47.0。这一改进归功于其直接在开发环境中整合强化学习的训练方法。该模型保留了其前代的架构基础。 AI
影响 Mellum2.1 性能的这一进步可能预示着新的训练方法能够增强 LLM 在软件开发任务中的能力。
排序理由 该条目详细说明了语言模型的特定基准分数改进,属于研究里程碑。 [lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →