实体 pass$_X$@$2$

pass$_X$@$2$

PulseAugur coverage of pass$_X$@$2$ — every cluster mentioning pass$_X$@$2$ across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_349970 · Nov 5 · 20:24

调试器 vs. Bash：AI 编码代理显示 Bash 在 SWE-bench 上优于调试器

一项新研究将交互式调试器与传统的编辑-执行-观察循环在 AI 编码代理上的有效性进行了比较。研究人员使用一种名为 pass$_X$@$k$ 的新指标，在 SWE-bench 基准测试上评估了两个模型 GPT-OSS-120B 和 Nemotron-3-Ultra-550B。研究结果表明，尽管交互式调试器可以实时访问运行时状态，但两次使用 bash 命令的独立运行的性能优于一次 bash 和一次调试器组合的运行。该研究强调了在评估 AI…