SANTISMM / EVIDENCE UNITEXPEDIENTE 26-B · 0 HALLAZGOS

JUEGO EDUCATIVO · EVALUACIÓN DE IA

Detective de
benchmarks.

Lee la afirmación, encuentra la evidencia que realmente la prueba y detecta métricas que prometen más de lo que miden.
CASO 01
8 TOTAL
AFIRMACIÓN BAJO INVESTIGACIÓN
“El agente puede resolver issues reales de software de principio a fin.”

Pista del expedienteNecesitas tareas de repositorios reales, ejecución y verificación del parche.

ELIGE LA MEJOR EVIDENCIA O DECISIÓN