Claude 3.5 Sonnet สร้างสถิติใหม่ใน基準 SWE-bench Verified
หัวข้อต้นฉบับ:Raising the bar on SWE-bench Verified with Claude 3.5 Sonnet
สรุปโดย AI
Claude 3.5 Sonnet เวอร์ชันอัปเกรดทำอัตราการแก้ไขได้ 49% ใน基準ประเมินวิศวกรรมซอฟต์แวร์ SWE-bench Verified ซึ่งสูงกว่า 45% ของโมเดลที่ดีที่สุดก่อนหน้า 基準นี้ทดสอบความสามารถของโมเดล AI ในการทำงานวิศวกรรมซอฟต์แวร์ผ่านปัญหาจริงบน GitHub โดยกำหนดให้โมเดลเข้าใจ แก้ไข และทดสอบโค้ดในสภาพแวดล้อมที่กำหนด และตรวจสอบขั้นสุดท้ายด้วยยูนิตเทสต์ต้นฉบับ การออกแบบเอเจนต์ของทีม Claude นั้นเรียบง่าย ประกอบด้วยเพียงพรอมต์ เครื่องมือ Bash และเครื่องมือแก้ไข ให้พื้นที่แก่โมเดลในการตัดสินใจอย่างอิสระเพียงพอ เพื่อแก้ปัญหาด้วยขั้นตอนที่ยืดหยุ่น ปัจจุบันยังไม่มีโมเดลใดทำอัตราการแก้ไขเกิน 50% ใน基準นี้
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Anthropic:Engineering(事故复盘 + 工程实践 · 网页)
- หมวดหมู่
- บทแนะนำและเทคนิค
- คะแนน AI
- 72
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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Claude 3.5 Sonnet สร้างสถิติใหม่ใน基準 SWE-bench Verified 6 มกราคม 2025 https://new.nat6.net/th/news/cmorb7ml1008rslhfl2itv1d3/