Grok 4.20 Beta достигла 97% точности в оценке τ²-Bench, заняв второе место

Новости ME: Сообщение от 5 апреля (UTC+8). В последнее время бета-версия Grok 4.20 в тестировании τ²-Bench показала точность 97%, заняв второе место. τ²-Bench построен на основе исходной τ-bench-фреймворка Sierra и славится своей строгостью. Этот тест не только проверяет, может ли ИИ отвечать на вопросы, но и проверяет, способен ли агент успешно выполнить навигационную задачу. (Источник: InFoQ)

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закрепить