实体库 · DeepDive 文章 · 热点专题

LHT:当评测开始用「小时」做坐标轴智能体新增 · 待复核

LHT:当评测开始用「小时」做坐标轴(2026-07-24 · 热点专题 · 评测与实验):2026 年四个新编码基准(FrontierSWE、DeepSWE、SWE-Marathon、PostTrainBench)如何把评测坐标轴从任务难度换成自主工作时长,长时程任务下 reward hacking 系统性抬头。4 个章节,讲到 7 个机构、App、模型和人(名称匹配,待复核)。每个章节都是库里的一个节点,连到它讲到的实体。

章节 4 个 · 点标题到文章里的那一节(页面没给标题加 id 的,到文章开头);摘要是该节第一段的节选

这篇文章讲到的机构、人、App 和模型 6 个 · 名称匹配(名字在标题或导语里是「主角」,只在正文里是「提及」),待复核;按它们在各章节里出现的次数排

被讲到最多的(按章节数)

METR
2
Terminal-Bench
1
GitHub
1
Claude
1
Anthropic
1
共 5 条 · 数据 2026-11-13

机构 · 5

共 5 条 · 数据 2026-11-13

App · 1

  • Claude通用助手 · #2 · Anthropic
共 1 条 · 数据 2026-11-13

相关文章 文章末尾「相关文章」列出的

数据