ИИ-модели для кодинга ошибаются в каждом четвёртом случае — исследование
Учёные Университета Ватерлоо протестировали 11 крупных языковых моделей на 44 задачах генерации структурированного кода в форматах JSON, XML и Markdown. Коммерческие моде...
Тег
бенчмарк
Материалы, в которых упоминается бенчмарк.
Claude Opus 4.6 от Anthropic взломал шифрование бенчмарка ИИ
Модель самостоятельно заподозрила искусственность вопроса, провела анализ известных тестов, нашла BrowseComp и написала программу для дешифровки XOR-защищенных...