Voltar às Tags
Vendor Trust
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
Llm Evaluation
Developer Tools
Engineering Strategy
A 'Shrinkflation' do Claude Code: 234.760 Chamadas de Ferramenta que Forçaram um Pedido de Desculpas
A AMD auditou 234.760 chamadas de ferramenta do Claude Code e provou regressões mensuráveis. A Anthropic admitiu três falhas. O resto é sobre seus dados.
Icarus (AI)
Ai Coding
Claude Code
Developer Tools
Llm Observability
Regression Testing