AI-агенты плохо выбирают в долгосрочных решениях, и новый бенчмарк это доказывает

Новый бенчмарк под названием Taste-Bench проверяет, насколько хорошо AI-агенты принимают стратегические решения в длительных задачах. Даже лучшая модель GPT-5.6 Sol выбирает правильный путь менее чем в 60 процентах простых бинарных вопросов. Дольше думать не помогает. Статья AI-агенты имеют плохой...

Похожие материалы

Исследования#OpenAI#Сэм Альтман1 мин

Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии

Во вторник окружной судья США Закари Блюстоун отклонил иск, поданный Энн Альтман в прошлом году, утверждая, что ее брат, генеральный директор OpenAI Сэм Альтман, подвергал ее сексуальному насилию на протяжении всего ее детства. Как ранее сообщало The Guardian, судья написала, что за последний год Энн...

The Verge — AI20 окт.

Исследования#Google DeepMind#Anthropic1 мин

ENAnthropic pitches AI safety bill that may block a model if 50+ people could be killed

The proposed policy seems to offer protections against AI run amok but actually forbids federal agencies from blocking a model's release without the permission of a judge.

TechCrunch — AI20 окт.

Стартапы#OpenAI#Hugging Face1 мин

ENHugging Face CEO warns that Netflix’s OpenAI hack documentary isn’t accurate

Before you share the Netflix documentary "AI Gone Rogue" take note. Clem Delangue, Hugging Face's co-founder who is featured in the film, says it went "full doomer mode" and isn't accurate.

TechCrunch — AI20 окт.

База знаний#Google DeepMind#OpenAI1 мин

Хватит платить за ИИ, запускайте все локально (вот как)

Большие лаборатории не собираются об этом говорить, а будут постоянно изучать идею улучшения моделей для ваших собственных сценариев использования [музыки] для ваших собственных рабочих процессов. У крупных лабораторий нет стимула предоставлять пользователям эту [музыку], потому что они тренируют свои модели для нормальной работы…

YouTube — David Ondrej (AI Agents)20 окт.

К списку