SWE-rebench: Как мы тестировали ИИ-агентов на реальных задачах разработчиков

В этом видео я (Ибрагим Бадертдинов) рассказываю про наш бенчмарк для ИИ-агентов и делюсь результатами тестирования. Это запись моего доклада с лондонского митапа Innovation Guild https://innovators.london/about. О чем поговорим: Как ИИ-программисты (кодинг-агенты) справляются с настоящими, боевыми задачами из разработки. Что такое SWE-rebench и зачем мы сделали свой бенчмарк https://swe-rebench.com/. Главные инсайты и уроки, которые мы извлекли из тестирования моделей на реальном коде.