Vi introduserer Code Review Bench v0: Den første uavhengige kodegjennomgangsbenchmarken. 200 000+ personlige rekorder. Upartisk. Fullt OSS. Oppdateres daglig. Høydepunkter i 🧵👇 verktøyytelse Med: @augmentcode @baz_scm @claudeai @coderabbitai @cursor @GeminiApp @github @graphite @greptile @kilocode @OpenAIDevs @propelcode @QodoAI

Kunngjøring av ARES – vår åpne kildekode Agentic Research and Evaluation Suite. ARES er bygget rundt tre pilarer (👇 se tråden) for å gjøre forsterkningslæring for kodeagenter enkelt. Vi har også funnet det utrolig nyttig for vår egen forskning på mech-tolkning.

1 000 000 dollar for å forstå hvordan LLM-er skriver kode. Kunngjøring: Den marsianske tolkbarhetsutfordringen. Å forstå hvordan LLM-er fungerer er den største vitenskapelige utfordringen i vår tid. La oss løse det. Søk her: 🧵👇