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: e976891b-7d48-4f29-82f0-8797a077006e | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T19:10:21.798826+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
e976891b-7d48-4f29-82f0-8797a077006e	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:21.798826+00:00
fda3d0f9-ecfb-4bfe-9fd1-b56c2d8e3725	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:21.719375+00:00
d152d731-94a2-400b-bd81-e8baa15aeade	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:21.655507+00:00
bea2a29d-e073-4bff-8e88-eff0b1f995c5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:21.576139+00:00
d95c5bb3-2c07-48bb-86c7-c2d666943cd4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:21.505703+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6180	####################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6180

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
e976891b-7d48-4f29-82f0-8797a077006e	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.798826+00:00
fda3d0f9-ecfb-4bfe-9fd1-b56c2d8e3725	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.719375+00:00
d152d731-94a2-400b-bd81-e8baa15aeade	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.655507+00:00
bea2a29d-e073-4bff-8e88-eff0b1f995c5	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.576139+00:00
d95c5bb3-2c07-48bb-86c7-c2d666943cd4	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.505703+00:00
ed1d702b-1873-4aa2-b618-0c5dfe371c6f	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.418786+00:00
211f50f2-3f28-4ddc-9cf0-fd10db670960	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.363300+00:00
0f891012-a546-4eea-926d-23b578d576ed	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.291401+00:00
8504b141-414c-4c6c-be81-56bfb995e7d2	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.222351+00:00
6b130f9e-ed79-4732-a6c2-6e2aeaa6a581	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:21.132371+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0038  (coder)