Se ha lanzado una versión verificada de SWE-bench, un conjunto de pruebas para evaluar la capacidad de los modelos de inteligencia artificial para resolver problemas reales en el desarrollo de software. Esta versión ha sido validada por humanos y ofrece una evaluación más confiable de la capacidad de los modelos para abordar problemas del mundo real. Esto puede ayudar a mejorar la precisión y la eficacia de los modelos de inteligencia artificial en el desarrollo de software.
Presentando SWE-bench Verificado
Imagen ilustrativa: Martin Vorel · CC BY-SA 4.0
1 min de lectura · Cómo se elabora esta pieza
Resumen redactado con IA a partir de la noticia original.
Fuente principal:
OpenAI · News →
OpenAI · News →
