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: c4be72cc-aa42-47da-a5cd-9963aec84293 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T19:14:40.107848+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
c4be72cc-aa42-47da-a5cd-9963aec84293	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:40.107848+00:00
1de98c95-d816-4c45-951a-c9e85d98c7f5	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:40.044624+00:00
d88043ed-3227-4d93-aaf9-e61bc36f664b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:39.981394+00:00
dd70cdc3-1734-4d59-b4a6-846419e9f0b3	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:39.918051+00:00
87cae3bf-2d32-4b20-8d76-679432c1c571	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T19:14:39.854551+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	6230	######################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

6230

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
c4be72cc-aa42-47da-a5cd-9963aec84293	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:40.107848+00:00
1de98c95-d816-4c45-951a-c9e85d98c7f5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:40.044624+00:00
d88043ed-3227-4d93-aaf9-e61bc36f664b	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.981394+00:00
dd70cdc3-1734-4d59-b4a6-846419e9f0b3	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.918051+00:00
87cae3bf-2d32-4b20-8d76-679432c1c571	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.854551+00:00
3d369850-35ac-44ba-bc8a-8de275058675	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.791509+00:00
766e3280-4c2b-42e8-8722-3724980add87	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.727136+00:00
64d87eab-361f-4725-8347-61d6cbe90b27	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.663402+00:00
bcc71636-236a-452f-a9d2-c0a0b3353efd	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.615735+00:00
4ed9fad0-4846-4e73-9370-b7510d51916e	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T19:14:39.536049+00:00

Cost Frontier

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