此前行业对模型的评估指标主要是SWEBench(软件工程基准),CyberGym侧重阅读代码、编写新代码和寻找漏洞。
10/26 04:15
10/26 03:05
10/26 03:03
10/26 02:10
10/26 02:05
10/26 00:16
10/26 00:15
10/26 00:10
10/26 00:06