بچه‌های اسکیل لبز (Scale Labs) اومدن نسخه دوم بنچمارک خفنشون یعنی SWE-Bench Pro V2 رو رسماً معرفی کردن و فرستادن تو میدون

بچه‌های اسکیل لبز (Scale Labs) اومدن نسخه دوم بنچمارک خفنشون یعنی SWE-Bench Pro V2 رو رسماً معرفی کردن و فرستادن تو میدون. این بنچمارک در واقع عیار هوش‌های مصنوعی رو تو حل کردن باگ‌ها و پروژه‌های واقعی برنامه‌نویسی می‌سنجه و معلوم می‌کنه چند مرده حلاجن. حالا تو نسخه دوم اومدن تست‌ها و چالش‌ها رو جدی‌تر و واقعی‌تر از قبل چیدن تا معلوم بشه کدوم مدل‌ها واقعاً مهندسی نرم‌افزار بلدن و فقط کدهارو طوطی‌وار حفظ نکردن.