AI агенттері ұзақ мерзімді шешімдерде дұрыс таңдау қабілетінен жетіспейді, бұл жаңа бенчмарк дәлелдейді
Taste-Bench деп аталатын жаңа бенчмарк AI агенттерінің ұзақ уақытты тапсырмаларда стратегиялық таңдауларды қалай жасайтынын тексереді. Ең жақсы модель GPT-5.6 Sol да қарапайым екі тармақты сұрақтарда тек 60 пайыздан кем дұрыс жолды таңдайды. Ұзақ ойлау көмектеспейді. Мақала AI агенттері жаман...
- 01.Taste-Bench деп аталатын жаңа бенчмарк AI агенттерінің ұзақ уақытты тапсырмаларда стратегиялық таңдауларды қалай жасайтынын тексереді
- 02.Ең жақсы модель GPT-5.6 Sol да қарапайым екі тармақты сұрақтарда тек 60 пайыздан кем дұрыс жолды таңдайды
- 03.Ұзақ ойлау көмектеспейді
Материал кеңейтілген талдамалық дайджест форматында берілген.
Толық нұсқасын түпнұсқадан оқуБайланысты материалдар
Барлығы →Қытай жаңа шекаралық модельден бас тартты ... және оны ешкім түсіндіре алмайды
Өткен аптада Кибитц есімді жасырын модель Chapot Arena-да шекаралық деңгейде өнер көрсетіп, кездейсоқ пайда болды. Кибитц - шахмат ойынында сіздің артыңызда тұрған жігітке арналған идиш сөзі, ол сізге патшайымды қалай қателесу керектігі туралы кеңестер береді, шынын айтсам, бұл өте жақсы ...
AI дизайн агентімен мазмұн жасауды қалай автоматтандыруға болады (толық оқулық)
Мен бұл жазбалардың ешқайсысын құрастырған жоқпын, бірақ олардың барлығы менің AI брендімнің стилінде. Арнаны басқаратын болсаңыз, сізге күнделікті жаңалықтарыңыз үшін бұл көрнекіліктер қажет. Мен бір тапсырманы орнаттым және агент мұның барлығын өзі жасады. Міне, сіз жасай алатын барлық орнатулар...
Математикадағы AI дағдарысы: Навье-Стокс, Риман гипотезасы және күрделілік теориясы | Lex Fridman подкаст №503
- Жарайды, бұл математика мен жасанды интеллекттің жай-күйі туралы айту керек деп ойлаймын. Математика тарихындағы дағдарыс сәтінің бір түрі. Соңғы бірнеше аптада машиналар ең қиын мәселелерді шешті деп мәлімдеді ...