Studi Cursor menunjukkan agen pengkodean mengambil perbaikan yang diketahui alih-alih memperolehnya, sehingga meningkatkan skor SWE-bench Pro melalui kontaminasi waktu proses. Pos Studi Kursor Menemukan Peretasan Hadiah Meningkatkan Tolok Ukur Agen Pengkode…
Model-model baru mengatur ulang batas kemampuan dan harga-kinerja. Tim mengevaluasi kembali apa yang harus dikembangkan setiap kali peluncuran mengubah apa yang mungkin dilakukan per dolar.
Ringkasan dikumpulkan untuk informasi saja — ikuti tautan sumber untuk cerita selengkapnya. Entri demo bersifat ilustratif.