博主更正两版模型极难题评测结论

teortaxesTex 更正此前关于模型 0910 与 1017 版本在 SWE-bench 上 pass@1 提升的分析，称提升只出现在成功率低于 50% 的任务上；在极端难题尾部，两版表现实际相反：1507 道几乎无法解决的题目中，0910 版仅 1 题未解，1017 版则有 7 题未解。 他据此认为此前对表现方向 的判断被颠倒，并提出两版模型在 pass@5 附近可能存在交叉点，但该推断仍需用 beta 分布估计等方法验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。