Представляем Code Review Bench v0: Первый независимый бенчмарк для проверки кода. Более 200,000 PR. Без предвзятости. Полностью OSS. Обновляется ежедневно. Основные моменты производительности инструмента 🧵👇 Включает: @augmentcode @baz_scm @claudeai @coderabbitai @cursor @GeminiApp @github @graphite @greptile @kilocode @OpenAIDevs @propelcode @QodoAI

Объявляем о ARES - нашем открытом наборе инструментов для агентных исследований и оценки. ARES построен на 3 столпах (👇 смотрите ветку), чтобы сделать обучение с подкреплением для кодовых агентов простым. Мы также обнаружили, что он невероятно полезен для нашего собственного исследования механической интерпретации.

$1,000,000, чтобы понять, как LLM пишут код. Объявляем: Вызов интерпретируемости Марсиан. Понимание внутренней работы LLM — это величайший научный вызов нашего времени. Давайте решим его. Подайте заявку здесь: 🧵👇