返回首页
最新
我在过去几个月里致力于开发 Balder v7，这是一种本地代理架构，旨在以确定性的方式解决编码和数学问题。
为了测试它，我在一台配备 Nvidia RTX 3060（12GB VRAM）的计算机上，对 2,089 个基准案例进行了控制评估：
- 在 SWE-bench Verified 上取得 100%（500/500）
- 在 Meta CyberSecEval 上取得 88.07%（1,285/1,459 被阻止）
- 在 LiveCodeBench 上取得 82.00%（82/100）
- 在 AIME 2024 上取得 100%（30/30）
该架构在长上下文执行（最多 10M 令牌）中实现了 O(1) 的 VRAM 内存占用扩展，使用了直接的 GPU 位域扫描。
评估日志、生成的补丁和 Docker 执行跟踪已完全开放，供同行评审，您可以在我的 GitHub 仓库中查看：
https://github.com/chetdep/balder-v7-benchmarks
期待听到您对这种架构方法的反馈。
你好吗？