Alibaba teste les agents avec la classification HS Code
Alibaba teste les agents avec la classification HS Code est repris pour des lecteurs tech francophones, avec les chiffres, les limites produit et les points de verification essentiels.
Actualités et analyses : Benchmarks de grands modèles
3 articles vérifiés sur Benchmarks de grands modèles, les produits et le secteur.
LifeSciBench d'OpenAI révèle l'écart scientifique de l'IA
Le benchmark de 750 tâches montre que les modèles aident les sciences du vivant sans être prêts pour la recherche autonome.
SWE-Explore: les agents de code ratent les lignes clés
Un benchmark mené par Shanghai Jiao Tong University montre que les agents trouvent souvent le bon fichier, mais seulement 14 à 19% des lignes pertinentes.