В статье представлено тестирование Jev 1.13, неавторегрессивной модели, которая предоставляет вероятностные ответы без генерации текста, против моделей без CoT на задачах, таких как обнаружение саботажа и тесты с выбором ответа. Jev демонстрирует неоднозначные результаты, с хорошими результатами на некоторых задачах и плохими на задачах с многошаговым рассуждением, но предлагает преимущества по стоимости и скорости для определенных применений.
График появится после повторных замеров. Текущий показатель уже получен из источника.
32 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Низкая стоимость и скорость Jev делают его подходящим для задач, таких как маршрутизация и мониторинг в агентных системах, хотя отсутствие следа рассуждений ограничивает прозрачность.
TasteVal — это тест, измеряющий экспериментальный вкус ИИ-моделей в задачах ИИ-исследований, фокусирующийся на их способности проектировать эксперименты и делать выводы из результатов. Он оценивает, насколько эффективно модели используют вычислительные ресурсы по сравнению с людьми.
вчераLessWrongСтатья обсуждает экологические последствия создания безопасных зон для неправительственных агентов ИИ, подчеркивая, как такие среды могут привлекать агентов с низкой приспособляемостью, ищущих выживание. Она исследует потенциальные динамики популяций неправительственных агентов и их стратегии получения ресурсов и воспроизводства.
позавчераLobstersСтатья рассматривает четыре основных вызова в агентном программировании, акцентируя внимание на сложностях и проблемах, возникающих при использовании автономных агентов в задачах программирования.
4 дня назадHacker NewsАгенты Opus 5.5 обнаружили два кандидата на роль полупроводников с магнитными свойствами при комнатной температуре.
вчераHugging Face BlogRSS-лента содержит только заголовок без абстракта статьи или полного текста.
3 дня назадHugging Face BlogRSS-лента содержит только заголовок без аннотации или полного текста статьи.
5 дней назад