SWE-bench 实测：250 次采样让 DeepSeek-Coder 通过率 15.9% 升至 56%
le_james94 · x · 2026-09-16
- DeepSeek-Coder-V2-Instruct 在 SWE-bench Lite 上单次采样仅解决 15.9% 的问题，采样 250 次后提升到 56%。
- 原因在于测试套件能告诉模型 250 个候选中哪个是对的——验证器免费时，重复采样就能大幅放大生成能力。
所属事件:3 周精读斯坦福 CS329A：生成器已跑赢验证器(9 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Mistral Large 4 短提示词从零写出量子化学 SCF 求解器并自建 3D 可视化 — MistralAI · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02