Rishi Desai

Speaker · 1 talk

SWE-Marathon: Evaluating Coding Agents at Billion-Token Scale

Rishi Desai · Abundant AI · 13 min

Benchmark 20 task cỡ project cho coding agent: agent tốt nhất chỉ đạt 26%, và vì sao verifier đa kênh, CUA, anti-cheat là nút thắt thật.