Reflection อัปเดตตารางผลการทดสอบของ Beam
หมายเหตุวันที่ 8 ตุลาคมในโพสต์ประกาศเปิดตัวระบุว่ามีการปรับปรุงผลลัพธ์ของ Beam
สามวันหลังเปิดตัว Reflection เพิ่มหมายเหตุในประกาศว่า “เราได้อัปเดตผลลัพธ์ของ Beam แล้ว และตารางด้านบนแสดงตัวเลขล่าสุด ผลลัพธ์อื่นทั้งหมดยังคงเดิม”
คะแนนบนเว็บไซต์นี้อ้างอิงตามตารางฉบับปรับปรุง จุดเด่น ได้แก่ 80.9 บน SWE-Bench Verified, 80.1 บน Terminal-Bench v2.1, 90.5 บน GPQA Diamond และ 78.7 บน MCP Atlas
ประเด็นสำคัญ
ตรวจสอบวันที่ปรับปรุงทุกครั้งที่เห็นการอ้างตัวเลขของ Beam จากแหล่งอื่น