Материал түпнұсқа тілінде: English.
PaperBench: Evaluating AI’s Ability to Replicate AI Research
We introduce PaperBench, a benchmark evaluating the ability of AI agents to replicate state-of-the-art AI research.
2025 ж. 2 сәуір · Дереккөз: OpenAI news
Толық мәтін дереккөзде қолжетімді.