Grok 4.20 Beta отримала 97% точності у тесті τ²-Bench, посівши друге місце

Новини ME: повідомлення, 5 квітня (UTC+8). Нещодавно Grok 4.20 Beta у тестуванні τ²-Bench досягла 97% точності та посіла друге місце. τ²-Bench — це бенчмарк, побудований на базі початкової τ-bench-архітектури Sierra, відомий своєю суворістю. Це оцінювання не лише перевіряє, чи може ШІ відповідати на запитання, а й тестує, чи зможе агент успішно виконати навігаційні завдання. (Джерело: InFoQ)

Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • Прокоментувати
  • Репост
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
Немає коментарів
  • Закріпити