StoreBench: A Live-Commerce Environment for Evaluating and Training Autonomous Operator Agents
Reinforcement learning environments are now a primary lever for improving large language model (LLM) capabilities in post-training, yet most agentic benchmarks remain static: the world moves only when the agent acts, the reward is a terminal verdict, and the pass bar is set…
- 01.Reinforcement learning environments are now a primary lever for improving large language model (LLM) capabilities in post-training, yet most agentic benchmarks remain static: the world moves only when the agent acts, the reward is a terminal verdict, and the pass bar is set…
Материал представлен в формате расширенного аналитического дайджеста.
Читать полную версию в первоисточникеСвязанные материалы
Все материалы →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…
Хеббиа об Астре: Лучше исследования, лучше презентации | ОпенАИ
«Мы видим, что Astra на самом деле демонстрирует двузначный прирост по сравнению с любой другой моделью, которую мы тестировали, по двум направлениям». Кавита Ананд из Hebbia называет два из них: выбор правильных источников и создание презентаций PowerPoint. Для банкира или инвестора, работающего через комнату данных с тысячами…