实体
SWE-sweep
SWE-sweep
PulseAugur coverage of SWE-sweep — every cluster mentioning SWE-sweep across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的 SWE-sweep 基准测试评估大型语言模型主动修复 Bug 的能力
来自 Meta、Stanford、Harvard 和 UW 的研究人员开发了 SWE-sweep，这是一个新的基准测试，旨在评估大型语言模型在影响用户之前主动识别和修复大型代码库中 Bug 的能力。该基准测试使用真实世界的 Bug，并根据模型在给定代码库中查找和解决这些问题的成功程度对其进行评分。早期结果表明，虽然一些模型表现不佳，但 Luna xhigh 显示出成本效益，研究人员正在寻求推荐其他开源模型以纳入未来的更新。
-
新的 SWE-sweep 基准测试显示 OpenAI 的 Luna 模型在查找代码错误方面表现出色
名为 SWE-sweep 的新基准测试由来自 Meta、Stanford、Harvard 和 UW 的研究人员开发，旨在评估 AI 模型在用户遇到之前查找和修复代码中错误的能力。该基准测试使用了大型代码库中的真实错误。早期结果表明，OpenAI 的 Luna 模型具有成本效益，以一小部分成本实现了其他模型相当大的分数。