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

ME News-сообщение: 5 апреля (UTC+8), в последнее время бета-версия Grok 4.20 в ходе оценки на τ²-Bench достигла точности 97%, заняв второе место. τ²-Bench — это оценочная платформа, построенная на основе оригинального фреймворка Sierra τ-bench, известная своей строгостью. Данное оценивание проверяет не только то, может ли ИИ отвечать на вопросы, но и то, способен ли агент успешно выполнять навигационные задачи. (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