🏷️ #تقييم الأداء

167 مقال

أبحاث

اكتشاف LiveClawBench: المعيار الجديد لتقييم وكالات الذكاء الاصطناعي في المهام الحياتية المعقدة

أركايف للذكاءمنذ 3 شهر

نماذج لغوية

RoboLab: نقلة نوعية في محاكاة الروبوتات وتحليل السياسات العامة

أركايف للذكاءمنذ 3 شهر

أبحاث

قفزة مذهلة في الذكاء الاصطناعي: معيار Frontier-Eng لتقييم الوكلاء الذاتيين في مهام هندسية حقيقية!

أركايف للذكاءمنذ 3 شهر

👁 1

أبحاث

تحقيق إنجازات اقتصادية: OpenAI تطلق GDPval لتقييم أداء النماذج في المهام الحقيقية!

مدونة أوبن إيه آيمنذ 10 شهر

أبحاث

اكتشاف أخطاء GPT-4 بواسطة GPT-4: ثورة في تقييم الأداء!

مدونة أوبن إيه آيمنذ 25 شهر

نماذج لغوية

النماذج اللغوية الضخمة: كيف نقيم قوتها ونجاحها؟

هاجينج فيسمنذ 46 شهر

أبحاث

اكتشفوا Procgen Benchmark: ثورة في قياس مهارات الذكاء الاصطناعي!

مدونة أوبن إيه آيمنذ 80 شهر