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: aa49754c-9ac4-48a1-8645-ad6e83788a65 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:43:38.123111+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
aa49754c-9ac4-48a1-8645-ad6e83788a65	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:38.123111+00:00
11384a95-050c-4d71-9af5-906a982657ab	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:38.003340+00:00
0692076c-deb5-4c37-b9a0-f722878d5f35	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:37.055002+00:00
9966d73e-12dd-4edf-88c5-a4a6e1dbd185	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:36.938672+00:00
567b4914-6c0e-40ba-8059-7a71a2fe9978	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:43:36.827896+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2696	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2696

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

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
aa49754c-9ac4-48a1-8645-ad6e83788a65	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:38.123111+00:00
11384a95-050c-4d71-9af5-906a982657ab	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:38.003340+00:00
0692076c-deb5-4c37-b9a0-f722878d5f35	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:37.055002+00:00
9966d73e-12dd-4edf-88c5-a4a6e1dbd185	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.938672+00:00
567b4914-6c0e-40ba-8059-7a71a2fe9978	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.827896+00:00
eecddac0-7ab0-408c-8656-c47285156bb3	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.716767+00:00
2c86a463-4450-4f5d-9823-96f89db8e463	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.604968+00:00
78aae829-673e-4c59-b930-82259c02bf38	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.493647+00:00
3b5fb10c-287c-4f9f-ae86-e95639424d75	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.395293+00:00
75be9e2a-25b0-4fcf-a961-25c6e489909e	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:43:36.272073+00:00

Cost Frontier

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