» Etiket
data-quality
3 yayınSWE-Bench Pro'da Görevlerin %30'u Bozuksa, Skor Tablosuna Belirsizlik Payı Gerekir
OpenAI'nin SWE-Bench Pro denetimi görevlerin %30'unun bozuk olduğunu gösterdi; geçerlilik sürümleme ve belirsizlik aralığı için pratik rehber.
LLM'in Eğitim Verisi Bayatlayınca: Nijerya Araç Fiyatlama Motoru Nasıl Düzeltildi
Bir LLM, Nijerya araç fiyatlarını eski dolar kuruyla hatırlayınca fiyatlama motoru bozuldu; canlı veri zorunluluğu ve önbellek kirliliği dersleri.
Graf Kenarında Eşleşme Güvenini Koruma: Splink Skorlarını Atmanın Zararları
Eşleşme olasılıklarını atmak, bilgi grafiğinin doğruluğunu etkiler. Kenar özellikleri olarak saklamak, sistemin güvenilirliğini artırır.
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.com