Tutorials & Tipps

Claude 3.5 Sonnet stellt Rekord im Benchmark SWE-bench Verified auf

Originaltitel:Raising the bar on SWE-bench Verified with Claude 3.5 Sonnet

KI-Zusammenfassung

Das aktualisierte Claude 3.5 Sonnet erreichte im Software-Engineering-Benchmark SWE-bench Verified eine Lösungsquote von 49 Prozent und übertraf damit das bisher beste Modell mit 45 Prozent. Der Benchmark testet anhand echter GitHub-Probleme die Fähigkeit von KI-Modellen, Software-Engineering-Aufgaben zu erledigen; die Modelle müssen Code in einer vorgegebenen Umgebung verstehen, ändern und testen, wobei die ursprünglichen Unit-Tests die abschließende Validierung liefern. Das Agentendesign des Claude-Teams ist bewusst einfach gehalten und umfasst nur einen Prompt, ein Bash-Tool und ein Bearbeitungstool, wodurch das Modell ausreichend Spielraum für eigenständige Entscheidungen erhält, um Aufgaben in flexiblen Schritten zu lösen. Bislang hat kein Modell in diesem Benchmark die 50-Prozent-Marke bei der Lösungsquote überschritten.

Kernpunkte

  • Das aktualisierte Claude 3.
  • 5 Sonnet erreichte im Software-Engineering-Benchmark SWE-bench Verified eine Lösungsquote von 49…
  • Der Benchmark testet anhand echter GitHub-Probleme die Fähigkeit von…
  • die Modelle müssen Code in einer vorgegebenen Umgebung verstehen,ändern und testen,wobei die…
  • Das Agentendesign des Claude-Teams ist bewusst einfach gehalten und umfasst nur einen Prompt,ein…

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
Anthropic:Engineering(事故复盘 + 工程实践 · 网页)
Kategorie
Tutorials & Tipps
KI-Bewertung
72
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

Anthropic 把自家 SWE-bench agent 的 prompt、工具设计和踩坑经验全公开了,做 coding agent 的人可以直接抄作业,比看十篇二手解读都管用。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: Claude 3.5 Sonnet stellt Rekord im Benchmark SWE-bench Verified auf. 6. Januar 2025. https://new.nat6.net/de/news/cmorb7ml1008rslhfl2itv1d3/

Alle ansehen →