20 млн коммитов Claude Code — и 90% уходит в репозитории без звёзд
Дашборд claudescode.dev показал: 50 млрд строк кода, 20 млн коммитов — и 90% уходит в репозитории без звёзд. Разобрали данные и выяснили, что реальная история интереснее заголовка.
аналитика
Аналитика данных с ИИ: инструменты, методики и кейсы применения для бизнес-аналитиков и дата-сайентистов.
Repo-level code localization: где AI-агенты ловят keyword shortcut
Repo-level code localization кажется сильнее, чем есть: новый paper показывает роль keyword shortcut и объясняет, что меняют KA-LogicQuery и LogicLoc.
Rubric-Based GRM для SWE agents: почему pass/fail мало
Разбираем paper Rubric-Based GRM: как рубрики помогают обучать SWE-агентов лучше, чем один pass/fail по unit-тестам.
HarmfulSkillBench: harmful skills AI-агентов и guardrails
HarmfulSkillBench нашёл 4,93% вредных skills в двух открытых реестрах. Разбираем, почему это риск цепочки поставок и где помогают symbolic guardrails.
GTA-2 benchmark AI-агентов: где у агентов ломается работа
GTA-2 показывает неприятный разрыв: AI-агенты выбирают инструменты лучше, чем доводят рабочий сценарий до финального результата.
Stripe Minions: 1 300 PR в неделю без единой строчки кода
Stripe мержит более 1 300 пулл-реквестов в неделю без единой строки человеческого кода. Разбираем, как устроены агенты Minions: devbox-ы, блюпринты, MCP-инструменты и жёсткие ограничения.
Kaggle Benchmarks: новый полигон для ИИ-моделей
Kaggle Benchmarks показывает, как оценка ИИ-моделей уходит от статичных таблиц к воспроизводимым задачам для LLM и AI-агентов.