@lueluelue 在 Epoch AI抽查了多个benchmark，指出DeepSWE v1.1、Terminal-Bench 4.0.0、HLE、HealthBench Professional大量错误中发帖Epoch AI抽查了多个benchmark，指出DeepSWE v1.1、Terminal-Bench 4.0.0、HLE、HealthBench Professional大量错误 [image]

@lueluelue 在 Epoch AI抽查了多个benchmark，指出DeepSWE v1.1、Terminal-Bench 4.0.0、HLE、HealthBench Professional大量错误中发帖

Epoch AI抽查了多个benchmark，指出DeepSWE v1.1、Terminal-Bench 4.0.0、HLE、HealthBench Professional大量错误 
 [image]