GardenBench: Лёгкая ежедневная оценка возможностей LLM
arXiv:2610.23866v1 Тип объявления: новый Абстракт: Мы представляем GardenBench, бенчмарк с 11 наборами тестов, оценивающий возможности больших языковых моделей (LLM) по ряду задач. Систематически запрашивая LLM с различными лёгкими запросами, мы документируем…
- 01.arXiv:2610.23866v1 Тип объявления: новый Абстракт: Мы представляем GardenBench, бенчмарк с 11 наборами тестов, оценивающий возможности больших языковых моделей (LLM) по ряду задач
- 02.Систематически запрашивая LLM с различными лёгкими запросами, мы документируем…
Материал представлен в формате расширенного аналитического дайджеста.
Читать полную версию в первоисточникеСвязанные материалы
Все материалы →Anthropic сжигает газ, чтобы обеспечить бум искусственного интеллекта
Готовясь к публичному обнародованию, документация Anthropic S-1 делает зависимость генеративного ИИ от метана совершенно очевидной. «Конкуренция за доступ к электроснабжению и центрам обработки данных с достаточной доступностью электроэнергии является интенсивной». В документах, поданных в Управление по ценным бумагам США и…
GPT-6.1 Terra вдвое снижает цены на API OpenAI и по-прежнему завоевывает позиции на своих более крупных моделях.
OpenAI выпустила GPT-6.1 Terra, модель среднего класса, которая снижает цены на API вдвое по сравнению со своей предшественницей. Аналитики говорят, что это устанавливает новый стандарт интеллекта на доллар, особенно для повседневных вычислительных задач и компьютерного управления с помощью искусственного интеллекта. Статья GPT-6.1 Terra…
Как Салливан и Кромвель создают юридические инструменты с помощью Кодекса | ОпенАИ
В Sullivan & Cromwell LLP Джон Савва использует Кодекс для создания инструментов на основе юридического опыта фирмы. Анализатор соглашений объединяет проект соглашения, избранные прецеденты и руководства, отражающие позиции фирмы и клиента. Он выявляет потенциальные проблемы и возвращает…