OpenAI ने SWE-bench Verified जारी किया, जिसका उद्देश्य सॉफ़्टवेयर इंजीनियरिंग कार्यों में AI के प्रदर्शन का अधिक सटीक मूल्यांकन करना है, प्राचीन SWE-bench में मूल्यांकन की सीमाओं जैसे अत्यधिक कठोर यूनिट परीक्षण, अस्पष्ट प्रश्न विवरण और विकास वातावरण के कठिन सेटअप की समस्याओं को हल करना है। नए बेंचमार्क ने कंटेनराइज्ड Docker वातावरण को पेश करने के द्वारा मूल्यांकन की निरंतरता और विश्वसनीयता को बढ़ाया है, जिससे AI मॉडल की प्रदर्शन रेटिंग में महत्वपूर्ण सुधार हुआ है। GPT-4o ने नए बेंचमार्क के तहत 33.2% नमूनों का समाधान किया, जबकि सबसे अच्छा ओपन-सोर्स एजेंट ढांचा A

Docker ने Dockercon23 सम्मेलन में मुफ्त GenAI स्टैक जारी किया, जिसका उद्देश्य जनरेटिव AI एप्लिकेशन के विकास को सरल बनाना है। यह स्टैक Neo4j ग्राफ डेटाबेस और LangChain मॉडल श्रृंखला प्रौद्योगिकी को एकीकृत करता है, जिससे कंटेनर कॉन्फ़िगरेशन की जटिलता कम होती है। Docker AI एक विशेष GenAI उपकरण है, जो Docker के विशिष्ट डेटा पर आधारित होता है, और विकासकर्ताओं को उनकी कार्यप्रवाह में त्रुटियों को सुधारने में मदद करता है। Docker GenAI स्टैक का मुफ्त में उपलब्ध होना कंपनियों को तैनाती के लिए उपयोगी संसाधन प्रदान करेगा।