Benchmark Radar: живая база данных и поисковая система для тестов и оценок ИИ
arXiv:2609.11115v1 Тип объявления: новый Аннотация: Исследователям эталонных тестов и разработчикам больших языковых моделей (LLM) и других систем искусственного интеллекта необходимо найти соответствующие оценки, найти свои наборы тестовых данных и код, а также понять настройки, лежащие в основе сообщаемых оценок. Мы представляем…
- 01.arXiv:2609.11115v1 Тип объявления: новый Аннотация: Исследователям эталонных тестов и разработчикам больших языковых моделей (LLM) и других систем искусственного интеллекта необходимо найти соответствующие оценки, найти свои наборы тестовых данных и код, а также понять настройки, лежащие в основе сообщаемых оценок
- 02.Мы представляем…
Материал представлен в формате расширенного аналитического дайджеста.
Читать полную версию в первоисточникеСвязанные материалы
Все материалы →По данным Wired, я протестировал главные ИИ-агенты за день
Wired рассказывает о тестировании шести ИИ-агентов и их сравнении.
Meta получила 3 миллиарда долларов от Nvidia и планирует потратить больше на чипы Nvidia
ia покупает долю своего клиента Meta, который планирует запускать больше своих ИИ-агентов на оборудовании Nvidia. Статья «Мета получает 3 миллиарда долларов от Nvidia и планирует потратить больше на чипы Nvidia» впервые появилась на сайте The Decoder.
Claude и Codex начали ограничивать запросы на взлом и модификацию собственных устройств
🚫 Claude и Codex начали ограничивать запросы на взлом и модификацию собственных устройств Пользователи жалуются, что ИИ-модели OpenAI и Anthropic стали отказывать в задачах по реверс-инжинирингу — анализу и изменению уже существующих программ. Один из пользователей Codex…