Tag: AI评估

All the articles with the tag "AI评估".

• 8.7

  Anthropic：Agentic Coding基准中的基础设施噪声量化

  2026年03月24日

  · Anthropic Engineering· 03/24 22:33 采集

  SWE-bench排行榜差异可能仅来自基础设施配置而非模型能力，直接挑战基准可信度