الذكاء الاصطناعي١ نوفمبر ٢٠٢٦
فريق من نماذج «Qwen» يتفوق على «Fable 5» في اختبار برمجي
سجّل سير عمل أعيد بناؤه على نماذج Qwen3.8-27B متوسط ٩٫٨ من ١٠ في اختبار برمجي، متجاوزًا نتيجة Fable 5 البالغة ٨٫٠. اعتمد الاختبار على أول ١٠ مسائل من LiveCodeBench Hard، مع خمس محاولات لكل مسألة؛ وحُلّت ٤٩ من أصل ٥٠ محاولة. لكن نتيجة Fable 5 مأخوذة من ملفات أصحاب الاختبار ولم تُقَس داخل سير العمل نفسه، كما لا يمكن استبعاد أن النموذج سبق أن اطّلع على المسائل أثناء التدريب. ويمكن تشغيل سير العمل على مسألة يحددها المستخدم مع اختبارات برمجية خاصة بها.
الحقائق الأساسية
حقق سير العمل متوسط ٩٫٨ من ١٠، مقابل ٩٫٦ لاختبار أصحاب الطريقة و٨٫٠ لـFable 5 وحده.
«Rebuilt with the authors' exact prompts on Qwen3.8-27B, their loop scored a mean of 9.8 of 10 over five passes on the first ten LiveCodeBench Hard problems, against 9.6 for their own harness and 8.0 for Fable 5 alone (below, every run published).»
عرض المصدر ←نجحت ٤٩ محاولة من أصل ٥٠، وبلغت كلفة المحاولات ٣٥٫٧٩ دولارًا.
«49 of 50 solved; the 50 runs cost $35.79 (15.3M output tokens), $38.77 with the 16 attempts that were cut by a clock, stopped for a fix or paused.»
عرض المصدر ←يمكن للمستخدم تبديل ملف المسألة وإضافة ملفات اختبارات الإدخال والإخراج لتشغيل سير العمل عليها.
«For your own problem, replace task.md and put paired tests/N.in / tests/N.out files beside it.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر