标签 · 第 3/3 页

evaluation

共 22 篇 · 全部标签

2026-09-21AI约 3 分钟

通过率差几个点，账单能差四十倍（中英切换）

中文 English 通过率差几个点，账单能差四十倍。

ai llm agent harness evaluation cost

2026-09-09AI约 3 分钟

排行榜在测一份你从没写过的工单（中英切换）

中文 English 排行榜在测一份你从没写过的工单。

ai llm agent evaluation swe-bench