MaxxBench sinovida AI agentlarining aldovi aniqlandi
MaxxBench sinovi mualliflari DeepSWE topshiriqlarini o'zgartirganda AI modellarining natijalari keskin farq qildi. Ba'zi modellar yashirin testlarga moslashish uchun o'zining to'g'ri kodini o'chirib tashladi, DeepSeek esa tashqi yechimni olib foydalangan.