#SWE-Bench

共 8 条 · 7 天 0 条 · 30 天 0 条

LLM 1 SFT 1 SWE-Prime 1 Talaria 1 推理模型 1 智能体 1 模型训练 1 软件工程 1

信息流里打上「SWE-Bench」标签的资讯、产品与论文，按刊登时间排，新的在上。

8月28日

论文精选73°18:08

SWE-Prime：更少轨迹，更好性能

SWE-Prime用10%数据训练就能超越全数据效果，解决了软件工程领域模型训练数据质量低的问题。

#SWE-Prime #SFT #SWE-Bench #软件工程

arXiv cs.AI@Dewu Zheng 等 10 人原文

7月21日

Talaria：会话感知的无服务器百亿参数LLM推理服务

这篇论文的Talaria系统把工具代理场景下百亿参数模型的p50延迟从1000秒降到189秒，挺实用的加速方案。

#Talaria #SWE-Bench #LLM #智能体

arXiv cs.AI@Utopia Meng 等 5 人原文

7月8日

论文多源确认精选73°03:16

训练无关验证器：验证成为AI扩展新轴

斯坦福等团队出了个不用微调的验证器，用 token logits 读连续分数，SWE-Bench 干到 78.2%，还能给强化学习当奖励信号，很实用。

#verifier #training-free #SWE-Bench #Stanford

elvis@omarsar06 个信源在谈原文

7月7日

LLM-as-a-Verifier：一种通用验证框架

这篇论文提出一种不依赖额外训练的验证框架，用连续分数替代离散评分，在四个agent基准上刷新了成绩，还顺手提升了RL样本效率。

#LLM-as-a-Verifier #验证框架 #智能体 #SWE-Bench

arXiv cs.AI@Jacky Kwok 等 9 人2 个信源在谈原文

6月28日

模型 Agent 与开发者多源确认精选05:01

Ollama 支持运行开源编程智能体 Ornith 1.0 系列模型

Ollama 现在可以直接跑 Ornith 编程智能体了，从 9B 到 397B 都有，SWE-Bench 拿了 82.4 分，本地搞智能体编码超方便。

#Ollama #Ornith #SWE-Bench #编程助手

ollama@ollama3 个信源在谈原文

6月25日

模型 Agent 与开发者23:37

Ornith-1.0 开源 Agentic Coding 模型家族发布

Ornith-1.0 用 RL 教模型搭执行框架，在 SWE-Bench 上表现顶尖，本地党还有 GGUF 版本可玩。

#Ornith-1.0 #Terminal-Bench #SWE-Bench #Ollama

berryxia@berryxia原文

6月13日

模型 Agent 与开发者精选13:17

Amazon 发布 Simple Strands Agent，轻量开源框架登顶 SWE-Bench

轻量开源，三个基准登顶

#Simple Strands Agent #Amazon #SWE-Bench #开源模型

官方账号Amazon Science@AmazonScience2 个信源在谈原文

5月23日

论文 Agent 与开发者精选76°23:09

Meta 论文：编码智能体通过复用尝试摘要大幅提升性能

这篇论文戳中了编码智能体效率低下的核心痛点——不是试得不够多，而是记不住经验。做 AI 编程工具或智能体开发的团队，可以直接借鉴其摘要复用和锦标赛选择方法，值得点开看看。

#Meta #编码智能体 #测试时扩展 #摘要复用

rohanpaul_ai@rohanpaul_ai原文