SWE Decision Index v0.3 发布：私有关卡+视觉评测防刷榜
multimodalart · x · 2026-10-07
multimodal（multimodalart）发布 SWE Decision Index v0.3：一是基准集大幅强化，新增「私有半区」——不公开的测试题使排名能衡量公开基准之外的真实能力，减少针对 benchmark 的过拟合刷榜；二是如约加入视觉能力评测。项目已在 GitHub 开放。
所属事件:SWE Decision Index v0.3 发布：私有关卡加视觉评测防刷榜(2 条相关)→
「研究」频道最新
- HAIPS@COLM 2026 工作坊聚焦语言模型的人本隐私与安全 — tianshi_li · 2026-10-07
- CUAWright 论文:只用终端命令,computer-use agent 胜过 GUI 方案 — ysu_nlp · 2026-10-07
- AI 年度十佳论文揭晓:Rulin Shao 一人独占两篇,皆为一作 — ShayneRedford · 2026-10-07
- Paradigm 发布数学推理模型：7 项高难基准评测套件全开源 — tensorqt · 2026-10-07
- Paradigm 揭秘后训练关键：程序生成+LLM 出题的互补合成数据组合 — tensorqt · 2026-10-07
- Paradigm RL 训练细节：用价值模型解决 credit assignment，上下文扩至 131k — tensorqt · 2026-10-07