#swe-bench

Универсальный фреймворк LLM-as-a-Verifier для точной оценки и ранжирования траекторий агентов с использованием мелкозернистых логпроб-скоров и Probabilistic Pivot Tournament.

Argus — это устойчивая, саморазвивающаяся среда выполнения с фиксированными весами моделей, где роли Manager, Planner, Engineer и Reviewer выполняют ограниченные миссии над долговременным состоянием проекта.