En la práctica, esto no funciona porque la gente ya se centra demasiado en evaluaciones obsoletas, siempre y cuando sean "las primeras". Si creas una evaluación mejor que SWE Bench, la gente seguirá usándola y podrías obtener más atención con una nueva versión de SWE Bench.
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.