Breaking News · Uutiset
GitHub avasi ReviewBenchin: tekoälyarvioijia verrataan löydettyjen virheiden perusteella
GitHub esitteli 5. lokakuuta ReviewBenchin, tutkimusvaiheessa olevan vertailutestin koodia arvioiville agenteille. Sen mittarit erottelevat löydetyt ongelmat, ohitetut virheet ja turhan kohinan. Yhtiön sisäisen A/B-testin tulokset kuvaavat yksittäistä koetta, eivät yleistä mallien paremmuusjärjestystä.
0
↗