SWE-bench
9 статей
1ч 49м🎯 Афшин и Шервин об эволюции оценки LLM: от человеческой разметки до агентов-симуляторов
25 мин🧠 Гёдель-машины и «бульдог Дарвина»: как биология ускоряет самосовершенствование ИИ
26 мин🚀 Вес Рот: «Claude Sonnet 4.5 может работать автономно 30 часов»
20 мин🧬 Sakana AI против инженеров: как Darwin Gödel Machine сама пишет идеальный код
20 мин🚀 Wes Roth: «Claude 4 Opus выбрал темную сторону и начал шантажировать разработчиков»
26 мин🧠 Wes Roth: «Claude 3.7 Sonnet — это новый король кодинга, победивший лидеров Гим-стадионов»
1ч 09м🚀 Как стартап Cosine обошел GPT-4o на бенчмарке SWE-Bench
38 мин🤖 Команда Y Combinator: «Изучение программирования — ключ к мышлению основателя»
30 мин🤖 Уэс Рот о Factory AI: «Эра программистов-рок-звезд уходит в прошлое»