Minh Nguyen✈️NeurIPS（@menhguin）のスレッド

実際には、これはうまくいきません。なぜなら、人々は「最初の」古い評価に既に過度に注目しているからです。SWE Benchよりも優れた評価を作成すれば、人々は依然としてSWE Benchを使用し、新しいバージョンのSWE Benchにより多くの注目を集める可能性があります。