Agent jest wart tyle, ile jego sędzia

Opus 5.5 po dwóch tygodniach pracy przechodził komplet testów kompilatora TypeScriptu przeniesionego do Rusta, choć dwa modele OpenAI przez kilka miesięcy nie przekroczyły około 84%. Moim zdaniem większość roboty wykonał działający oryginał w roli sędziego, bo agent jest wart tyle, ile to, co sprawdza jego wynik. W numerze także Copilot CLI, którego dziennik podyktował napastnik, Self-Harness z bramką testów regresji i ReviewBench, w którym recenzentów AI ocenia inny model.

Kompilator TypeScriptu w Ruście i sędzia, który zrobił większość roboty