[EVAL] SWEBENCH multilingual

仓库指标

星标

2,496 个星标 (2,496 个星标)

PR 合并指标

PR 指标待抓取 (PR 指标待抓取)

描述

贡献者指南

研究方向

探索 multi swe bench 数据集并在 Lighteval 中实现评估任务。

技术栈

python

领域

machine learningtesting qa

议题类型

功能

难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。

2

预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。

半天

活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。

新近可参与

清晰度议题是否清楚说明期望改动、验收标准和下一步。

清晰

前置要求

PythonLightevalGit

新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。

70