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

ME News Новости, 5 апреля (UTC+8), недавно версия Grok 4.20 Beta достигла 97% точности в оценке τ²-Bench, заняв второе место. τ²-Bench — это оценка, основанная на исходной рамке Sierra τ-bench, известная своей строгостью. Эта оценка проверяет не только способность ИИ отвечать на вопросы, но и способность агента успешно выполнять задачи навигации. (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