tarasovcode
Модели1 мин чтенияХабр · Искусственный интеллект

Из какой LLM получится хороший виртуальный сотрудник, или Почему валятся бенчмарки моделей для генерации кода

В феврале 2026 года OpenAI рекомендовала оценивать ИИ-агентов для программирования по бенчмарку SWE-Bench Pro. Но уже 8 июля отозвала собственную рекомендацию, признав, что примерно 30% задач SWE-Bench Pro составлены с ошибками. …

Сохранить
Поделиться:VKTelegramWhatsApp
Из какой LLM получится хороший виртуальный сотрудник, или Почему валятся бенчмарки моделей для генерации кода
Иллюстрация: Tarasov Code

Коротко

  • Что: Из какой LLM получится хороший виртуальный сотрудник, или Почему валятся бенчмарки моделей для генерации кода
  • Когда: 3 ноября 2026 в 15:00
  • Источник: Хабр · Искусственный интеллект (сообщество)
  • Тема: Модели

#Модели

Материал подготовлен редакцией Tarasov Code Ильи Тарасова по сообщению Хабр · Искусственный интеллект.

Читайте также

Компьютерра · 3 ноября 2026ИТ-холдинг Т1 проверил более 20 ИИ-моделей на альтернативах NVIDIA: стоимость инференса может сократиться в разыХабр · Искусственный интеллект · 3 ноября 2026Хаос как сервис: как мы в Авито проверяем устойчивость в проде и подключаем к этому LLM3DNews · 3 ноября 2026Anthropic вплотную приблизилась к самосовершенствующемуся ИИ — и признала новые рискиХабр · Искусственный интеллект · 3 ноября 2026Как приручить LLM-дракона. Архитектура корпоративного AI-шлюза и ограничения классических прокси в работе с нейросетями