Alibaba testet Agenten mit HS-Code-Klassifikation
Alibaba testet Agenten mit HS-Code-Klassifikation wird fuer deutschsprachige Tech-Leser eingeordnet, mit den zentralen Zahlen, Produktversprechen und offenen Pruefpunkten.
Benchmarks großer Modelle: News und Analysen
3 geprüfte Beiträge zu Benchmarks großer Modelle, Produkten und Branchenentwicklungen.
OpenAIs LifeSciBench zeigt KI-Lücke in der Wissenschaft
Der Benchmark mit 750 Aufgaben zeigt Hilfe in Life Sciences, aber große Distanz zu eigenständiger Forschung.
SWE-Explore: Coding-Agenten verfehlen die wichtigen Zeilen
Ein Benchmark unter Leitung der Shanghai Jiao Tong University zeigt: Agenten finden oft die richtige Datei, aber nur 14 bis 19% der bugrelevanten Zeilen.