熱點事件持續更新
MaxxBench demonstrates performance gaps on mutated tasks
1 篇報導1 個報導來源2 小時前更新
先了解這件事
重點綜述
MaxxBench 是一個基於 DeepSWE 的新基準，通過微調 89 個任務的需求來評估 LLM 在變更環境中的適應能力。
\n\n- 任務變更：平均增修 17 行程式碼（3.5%），涵蓋檔名大小寫、時間戳格式、功能擴充等。
根據報導自動生成 · 21 分鐘前更新
最新進展11月8日 01:19
MaxxBench：透過 DeepSWE 任務變更測試模型適應性報導時間線
沿著報導，瞭解事件的不同面向。
11月8日
- Hacker News (official RSS)MaxxBench：透過 DeepSWE 任務變更測試模型適應性
MaxxBench 是一個基於 DeepSWE 的新基準，通過微調 89 個任務的需求來評估 LLM 在變更環境中的適應能力。\n\n- 任務變更：平均增修 17 行程式碼（3.5%），涵蓋檔名大小寫、時間戳格式、功能擴充等。
本事件熱度趨勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。
讀者討論
針對此事件的各方觀點與即時反饋