SWE-bench Multimodal

מה הוא מודד

קוד ופיתוח תוכנה: כתיבת קוד נכון ועבודה בריפוזיטורי אמיתי · הבנה חזותית: הבנת תמונות, תרשימים ומסמכים סרוקים

מה הוא לא מודד

• אינו בודק איכות עיצוב מערכת, אבטחה או תחזוקתיות לאורך זמן.

הערות על המבחן

באגים בממשקי משתמש הכוללים צילומי מסך.

תוצאות שנמדדו

אין עדיין תוצאות למבחן ההערכה הזה. הוא מופיע במאגר אך אינו משפיע על הציון.