benchmarking

„OpenAI“ antradienį paskelbė, kad atšaukia „SWE-Bench Pro“ kaip patikimo dirbtinio intelekto programavimo gebėjimų matavimo įrankio rekomendaciją. Bendrovė nurodė, kad vidinis auditas parodė, jog maždaug 30 % šios sistemos užduočių yra neveikiančios, o maždaug 70 % siekianti „triukšmo riba“ mažina jos…