Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 2 | Pass rate: 100.0% | Cost: $0.0020

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

Leaderboard Snapshot

Latest run: 1daf7f17-d751-4931-9c58-c08b183f69dc | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T17:55:03.864823+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
1daf7f17-d751-4931-9c58-c08b183f69dc	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:03.864823+00:00
ac26e669-6848-4d36-b3cf-2f9f9d019172	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:03.801217+00:00
680cb4ce-800c-4567-aa4b-fefbcec7813a	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:00.960517+00:00
8a0cd665-8800-4ac1-affa-bfa51e75b4aa	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:00.873572+00:00
56ce6486-5c99-4b96-9e16-d4e212e60b85	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T17:55:00.783418+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2461	#############################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2461

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
1daf7f17-d751-4931-9c58-c08b183f69dc	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:03.864823+00:00
ac26e669-6848-4d36-b3cf-2f9f9d019172	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:03.801217+00:00
680cb4ce-800c-4567-aa4b-fefbcec7813a	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.960517+00:00
8a0cd665-8800-4ac1-affa-bfa51e75b4aa	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.873572+00:00
56ce6486-5c99-4b96-9e16-d4e212e60b85	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.783418+00:00
f34f0977-683d-4d53-b5d0-848bf459bc64	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.721171+00:00
d0ca21c7-19a1-485c-b34f-aff51dca6f6b	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.657944+00:00
7401949f-7454-406e-ba7a-f53ae602e6b8	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.588723+00:00
fa833a29-823d-4aa3-9f8d-c1c2014de13a	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.517092+00:00
3768ef6b-0938-4f93-a894-831edc76565e	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T17:55:00.417660+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0039  (coder)