Articles et recherche

METR : les scores algorithmiques surestiment les capacités réelles des agents IA en ingénierie logicielle

Titre original:Research Update: Algorithmic vs. Holistic Evaluation

Résumé IA

METR a évalué Claude 3.7 Sonnet (agent Inspect ReAct) sur 18 issues réelles des dépôts stdlib-js et hypothesis : le taux de réussite selon les tests des mainteneurs est de 38 % (±19 %), mais aucune des 15 pull requests examinées manuellement n'était directement fusionnable.

Points clés

  • METR a évalué Claude 3.
  • 7 Sonnet (agent Inspect ReAct) sur 18 issues réelles des dépôts stdlib-js et hypothesis: le taux…
  • mais aucune des 15 pull requests examinées manuellement n'était directement fusionnable.

En bref

Publié
Mis à jour
Source
METR:Research(网页)
Catégorie
Articles et recherche
Score IA
61
Lire l'original Lire l'article complet à la source d'origine
Pourquoi c'est important

METR 用人工评审对照算法评分,给出量化证据说明测试类基准为何高估智能体的真实软件工程能力。

Entités associées

Source et droits

Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.

Article original · Fiche AIHOT

Comment citer

Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.

Orange News : METR : les scores algorithmiques surestiment les capacités réelles des agents IA en ingénierie logicielle. 13. août 2025. https://new.nat6.net/fr/news/cmtyo7nb703vbrog0wobc9ksx/

Tout voir →