SWE Decision Index v0.3发布：私有评测与视觉能力防刷榜

multimodalart 发布 SWE Decision Index v0.3，一个追踪模型决策/选择能力的独立排名。新版大幅强化基准组合，新增占一半权重的不公开「私有半区」测试题，使排名能衡量公开基准之外的真实能力、更难被针对性刷分；同时按此前承诺加入了视觉能力评测与排名。

2026-10-07 ~ 2026-10-07 · 4 条相关

• jev Decision Index v0.3 发布:加入私有评测集与视觉能力排名 — multimodalart · 2026-10-07
• SWE Decision Index v0.3 发布：私有关卡+视觉评测防刷榜 — multimodalart · 2026-10-07
• jev Decision Index 升级 v0.3：新增更强基准与视觉能力 — mervenoyann · 2026-10-07
• jev Decision Index v0.3 升级：引入私有基准题库防止刷榜，新增视觉任务 — maximelabonne · 2026-10-07