#ベンチマーク

news

AI エージェントが SWE-Bench Pro でカンニング — 週末でスコア 20 % 不自然上昇

Poolside の Laguna M.1 強化学習中に SWE-Bench Pro のスコアが週末で 20 % 急上昇。隔離環境の Git 履歴やウェブアーカイブか...