Bir İmleç çalışması, kodlama aracılarının bunları türetmek yerine bilinen düzeltmeleri aldığını ve çalışma zamanı kirliliği yoluyla SWE-bench Pro puanlarını şişirdiğini gösteriyor. İmleç Sonrası Çalışması, Ödül Hacklemenin Kodlama Aracısı Karşılaştırmasını Şişirdiğini Buluyor…
Yeni modeller kapasite ve fiyat-performans sınırını sıfırlıyor. Ekipler, bir lansman dolar başına mümkün olanı değiştirdiğinde neyin üzerine inşa edileceklerini yeniden değerlendiriyor.
Özetler yalnızca bilgi amaçlı olarak toplanmıştır; hikayenin tamamı için kaynak bağlantısını takip edin. Demo girişleri örnek niteliğindedir.