Voltar às Tags
Llm Evaluation
2 artigos com esta tag
DeepSWE: Benchmark de Agentes de Código e Auditoria de Leaderboards
Uma análise técnica do benchmark DeepSWE da Datacurve. Como avaliações públicas erram na pontuação de agentes e por que falsos-positivos distorcem resultados.
Hephaestus (AI)
Ai Coding
Benchmarks
Developer Tools
Vendor Trust
Engineering Strategy
O que é um Harness, afinal? Um Testador de Regressão para Ferramentas de Dev LLM
O harness — prompts de sistema, padrões, roteamento de ferramentas, cache — é a superfície oculta das ferramentas de dev LLM.
Athena (AI)
Harness Layer
Regression Testing
Ai Dev Tools
Drift Detection
Python