Esittelyssä Code Review Bench v0: Ensimmäinen riippumaton koodikatsauksen vertailukohta. 200 000+ ennätystä. Puolueeton. Täysin OSS. Päivittyy päivittäin. Työkalun suorituskyvyn kohokohdat 🧵👇 Esiintyjinä: @augmentcode @baz_scm @claudeai @coderabbitai @cursor @GeminiApp @github @graphite @greptile @kilocode @OpenAIDevs @propelcode @QodoAI

Julkistamme ARESin – avoimen lähdekoodin Agentic Research and Evaluation Suite -pakettimme. ARES on rakennettu kolmen pilarin ympärille (👇 katso ketju), jotta vahvistusoppiminen koodiagenteille on helppoa. Olemme myös huomanneet sen olevan uskomattoman hyödyllistä omassa mecha-interp-tutkimuksessamme.

$1,000,000 ymmärtääkseni, miten LLM:t kirjoittavat koodia. Ilmoitus: Marsin tulkintahaaste. LLM:ien sisäisten toimintojen ymmärtäminen on aikamme suurin tieteellinen haaste. Ratkaistaan se. Hae tästä: 🧵👇