Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分
PawelHuryn · x · 2026-09-11
在发布 Bug Hunt Bench 编码模型 bug 排查榜单后,作者 Pawel Huryn 补充说明该榜单的测量噪声约为 2-3 分——读者在比较相邻名次模型的分数时应考虑这一误差范围,不要对个位数差距过度解读。
「研究」频道最新
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11
- Apodex 发布 TRACES 标准:用 423 个真实问题评测"发现型 AI" — Faheem_uh · 2026-09-11
- 科学没有标准答案:TRACES 用六维度评估 AI 过程而非结果 — Faheem_uh · 2026-09-11
- Apodex 推出 TRACES 基准：不打标准答案，专测 AI 探索未知的能力 — Faheem_uh · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11