SWE-Bench Multilingual
PulseAugur coverage of SWE-Bench Multilingual — every cluster mentioning SWE-Bench Multilingual across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Tencent 发布 Hy3，一个开放的 295B MoE 模型，支持 256K 上下文
Tencent 发布了 Hy3，一个开源的 2950 亿参数专家混合（MoE）模型，专为复杂推理、代理工作流和长上下文任务而设计。该模型每个 token 只激活 210 亿参数，在保持效率的同时支持 256K 的上下文窗口。Hy3 在编码、STEM 和推理任务等各种基准测试中表现出色，并经过特定训练以提高工具调用中的可靠性、减少幻觉并增强多轮意图跟踪。该模型可通过兼容 OpenAI 的 API 访问，并提供 `reasoning_ef…
-
Dockerless 无需运行测试即可验证 AI 编码代理补丁
研究人员推出了一种名为 Dockerless 的新方法，无需执行存储库特定的测试即可验证 AI 编码代理生成的代码补丁。该方法通过采用“无执行”的裁判来绕过为每个存储库构建 Docker 容器的成本高昂且耗时的过程。该裁判能动地探索代码库以收集证据并确定补丁的正确性，在 SWE-bench Verified 基准测试上达到了 62.0% 的解决率。
-
Poolside 发布 Laguna M.1，一款用于代理编码的 225B MoE 模型
Poolside 发布了 Laguna M.1，这是一款拥有 2250 亿参数的混合专家（MoE）模型，专为代理编码任务进行了优化。该模型采用了具有 256 个专家的稀疏 MoE 架构和全局注意力机制，使其能够处理长时程工作和带有工具调用的交错推理。Laguna M.1 在 SWE-bench Verified 和 Terminal-Bench 2.0 等代理基准测试中表现出色，可与其他领先的开放权重模型和前沿模型相媲美。该模型在 A…
-
Fireworks AI 实现万亿参数 MoE 模型训练
Fireworks AI 开发了新的训练基础设施，能够微调万亿参数的混合专家（MoE）模型，克服了之前的内存和编排瓶颈。该平台在最近发布的 Cursor Composer 2.5 中发挥了关键作用，Composer 2.5 是一个在多个基准测试中取得顶尖性能的编码模型。该系统利用低精度专家量化和优化器状态卸载等技术来管理大型 MoE 模型内存需求，使其更容易进行训练和微调。