实体 SWE-Llama

SWE-Llama

PulseAugur coverage of SWE-Llama — every cluster mentioning SWE-Llama 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_157528 · Jul 22 · 14:33

大型语言模型难以处理复杂的 GitHub 问题，仅解决 1.96%

关于 SWE-bench 可靠性的新系列文章指出，包括专有模型和经过微调的版本（如 SWE-Llama）在内的当前最先进的大型语言模型，只能解决真实世界 GitHub 问题的一小部分（1.96%）。当问题需要多文件推理或系统级理解时，而不仅仅是简单的模式匹配，就会出现这种能力差距。作者计划开发一个混合模型来应对当前模型表现不佳的中等复杂度的软件工程任务。