Søgning
2 briefing-resultat(er) for »agent-arena«
"Intelligence Density" – nyt mål for kodning pr. parameter
En aggregator på tværs af SWE-bench, DeepSWE, Terminal-Bench og Code Arena beregner hvor meget kodningsintelligens hver parameter leverer. Små modeller straffes for …
Agent Arena Code: GLM og Qwen viser markant fremgang
Foreløbige resultater fra Agent Arena Code viser, at GLM og Qwen er tæt på at matche Mythos. Åbne vægte har rykket sig markant på …