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: 367ad5bd-872b-426d-8785-28f41dfa4e2f | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T19:10:15.080831+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
367ad5bd-872b-426d-8785-28f41dfa4e2f	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:15.080831+00:00
9593dcb6-28c9-4274-a465-10b19749cf9d	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:15.004880+00:00
f6e82778-0cc1-4100-877e-4931b9884e64	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:14.925497+00:00
47158b30-87c7-4877-bdc9-dae887f4c3cd	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:14.829134+00:00
834629e6-7b29-4a33-baa2-d7191d5fa45a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:10:14.766341+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6130	##################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6130

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
367ad5bd-872b-426d-8785-28f41dfa4e2f	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:15.080831+00:00
9593dcb6-28c9-4274-a465-10b19749cf9d	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:15.004880+00:00
f6e82778-0cc1-4100-877e-4931b9884e64	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.925497+00:00
47158b30-87c7-4877-bdc9-dae887f4c3cd	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.829134+00:00
834629e6-7b29-4a33-baa2-d7191d5fa45a	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.766341+00:00
43f7ca59-dae4-4e5d-b3b3-ca12aee30c97	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.670614+00:00
36fc47e6-0623-4c59-aeef-7bad40078c4e	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.593224+00:00
c33cace1-230e-4e5d-8038-516ece8c500f	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.510982+00:00
d097c4a9-5d8d-4ff2-b24f-531940d065fd	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.432252+00:00
6d5d9d46-30c6-45b4-8843-39217eef4921	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:10:14.348064+00:00

Cost Frontier

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