实体 TB2.1

TB2.1

PulseAugur coverage of TB2.1 — every cluster mentioning TB2.1 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

0

90 天内 0

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

COMMENTARY · CL_249247 · Sep 12 · 00:15

Cognition 的 SWE-2 在简单任务上表现出色，但在困难的对抗性问题上遇到困难

Cognition 的新模型 SWE-2 在简单基准测试中表现出色，得分接近完美，为更简单的任务提供了强大的性价比。然而，对其在更困难、对抗性任务上表现的深入分析显示，与 TB2.1 分数相比，在 Terminal-Bench TB4 上得分下降了 65.5 分。这种鲜明的对比表明 SWE-2 的优势在于工作负载的“易处理切片”，而其在真正具有挑战性的问题上的表现落后于 Fable 5.1 和 GPT-6 Astra 等竞争对手，这表…