評価の出典公式の評価
FrontierSWE v2
Proximal Labs / コーディング · 長時間実行されるエンジニアリング実装と研究タスク
News での扱い観察中
根拠の配分採点に使わない
元データの時点未確認
最後に同期に成功まだ取得していません
何をどう測るか
v2の統一Proximusハーネスのみを比較し、旧版やbest-ofなど条件の異なるものと混在させない。
この根拠の使い方
観察中：長時間タスクの新型番のカバーは依然として少なく、安定した生データの入口と実行構成を補う必要がある。
評価の限界とデータの出典
観察中：長時間タスクの新型番のカバーは依然として少なく、安定した生データの入口と実行構成を補う必要がある。
データのライセンス：リーダーボードデータの使用境界は要確認
スコアは Proximal Labs が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。