OpenDiscoveryTrace: трассировка процессов для оценки рабочих процессов ученых-ИИ
arXiv:2609.09203v1 Тип объявления: новое Аннотация: Существующие тесты для автономных ученых, занимающихся искусственным интеллектом, оценивают только окончательные результаты — сгенерированный код, гипотезы или статьи, — но при этом отбрасывают процесс рассуждения, посредством которого эти результаты были получены. Это делает невозможным проверку…
- 01.arXiv:2609.09203v1 Тип объявления: новое Аннотация: Существующие тесты для автономных ученых, занимающихся искусственным интеллектом, оценивают только окончательные результаты — сгенерированный код, гипотезы или статьи, — но при этом отбрасывают процесс рассуждения, посредством которого эти результаты были получены
- 02.Это делает невозможным проверку…
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.
Я тестировал каждого крупного ИИ-агента в течение дня. Вот лучший
Я оценил шесть агентов ИИ — от Muse из Meta до Клода Дуэта из Anthropic — по тому, насколько хорошо они выполнили основные задачи.