FrontierSWE v2
Proximal Labs / programmation · Tâches d'ingénierie et de recherche de longue durée
Ce qu'il mesure, comment il le mesure
Comparer uniquement le harness Proximus unifié v2, sans le mélanger aux anciennes versions ni à des conditions best-of différentes.
Comment utiliser ces preuves
En observation : la couverture des nouveaux modèles sur les tâches longues reste faible ; l'accès stable aux données brutes et la configuration d'exécution doivent être complétés.
Limites de l'évaluation et attribution des données
En observation : la couverture des nouveaux modèles sur les tâches longues reste faible ; l'accès stable aux données brutes et la configuration d'exécution doivent être complétés.
Licence des données :Limites d'usage des données du classement à confirmer
Résultats publiés par Proximal Labs ; les scores bruts de chaque épreuve utilisent des échelles différentes et ne peuvent pas être additionnés directement ; le rang de référence applique des règles publiques de normalisation des écarts.