Eval Report: ci-post-merge

Profile: gdm-swebench-lite-v1 | Tasks: 50 | Pass rate: 100.0% | Cost: $0.0500

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010
python-refactor-easy-001	easy	0.740	✓	$0.0010
typescript-refactor-easy-001	easy	0.740	✓	$0.0010
python-config-easy-001	easy	0.740	✓	$0.0010
typescript-config-easy-001	easy	0.740	✓	$0.0010
python-recovery-easy-001	easy	0.740	✓	$0.0010
typescript-recovery-easy-001	easy	0.740	✓	$0.0010
python-dependency-easy-001	easy	0.740	✓	$0.0010
typescript-dependency-easy-001	easy	0.740	✓	$0.0010
python-explain-easy-001	easy	0.740	✓	$0.0010
typescript-explain-easy-001	easy	0.740	✓	$0.0010
python-security-fix-medium-001	medium	0.740	✓	$0.0010
shell-security-fix-medium-001	medium	0.740	✓	$0.0010
python-bugfix-medium-001	medium	0.740	✓	$0.0010
shell-bugfix-medium-001	medium	0.740	✓	$0.0010
python-performance-medium-001	medium	0.740	✓	$0.0010
shell-performance-medium-001	medium	0.740	✓	$0.0010
python-test-writing-medium-001	medium	0.740	✓	$0.0010
shell-test-writing-medium-001	medium	0.740	✓	$0.0010
python-multi-file-medium-001	medium	0.740	✓	$0.0010
shell-multi-file-medium-001	medium	0.740	✓	$0.0010
python-refactor-medium-001	medium	0.740	✓	$0.0010
shell-refactor-medium-001	medium	0.740	✓	$0.0010
python-config-medium-001	medium	0.740	✓	$0.0010
shell-config-medium-001	medium	0.740	✓	$0.0010
python-recovery-medium-001	medium	0.740	✓	$0.0010
shell-recovery-medium-001	medium	0.740	✓	$0.0010
python-dependency-medium-001	medium	0.740	✓	$0.0010
shell-dependency-medium-001	medium	0.740	✓	$0.0010
python-explain-medium-001	medium	0.740	✓	$0.0010
shell-explain-medium-001	medium	0.740	✓	$0.0010
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: ece02d9b-c353-4fdc-b982-e9caa7bd7b4e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-22T14:01:18.633721+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
ece02d9b-c353-4fdc-b982-e9caa7bd7b4e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:18.633721+00:00
0ed8be2e-0ef5-4371-b40b-5125f36cae8b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:18.515878+00:00
c6f7933a-0e2b-4610-baee-c47214bfe4d7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:18.101555+00:00
21f9dda3-3e67-4000-b918-c2382aa746a5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:17.976549+00:00
1b891337-aba8-4e04-8b3f-d63a5b0f0347	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-22T14:01:17.799885+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	5200	################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

5200

################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
ece02d9b-c353-4fdc-b982-e9caa7bd7b4e	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:18.633721+00:00
0ed8be2e-0ef5-4371-b40b-5125f36cae8b	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:18.515878+00:00
c6f7933a-0e2b-4610-baee-c47214bfe4d7	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:18.101555+00:00
21f9dda3-3e67-4000-b918-c2382aa746a5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.976549+00:00
1b891337-aba8-4e04-8b3f-d63a5b0f0347	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.799885+00:00
0f33e3df-8773-483f-87ea-72159f87f70a	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.645533+00:00
1610a12f-b2e6-4964-8cfe-22d765cf4568	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.549809+00:00
4271e2d5-4e5a-42cf-98d1-88baa5883df6	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.456601+00:00
3936dda0-0915-4fcc-9eb2-c25663922585	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.364653+00:00
6894367e-41cf-4cfc-891e-6e824031b237	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-22T14:01:17.262907+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0040  (coder)