Alibaba testa agentes com classificacao de HS Code
Alibaba testa agentes com classificacao de HS Code e reescrito para leitores de tecnologia em portugues, preservando numeros, promessas de produto e pontos de verificacao.
Notícias e análises sobre Benchmarks de grandes modelos
3 artigos verificados sobre Benchmarks de grandes modelos, produtos e movimentos do setor.
LifeSciBench da OpenAI expõe lacuna científica da IA
O benchmark de 750 tarefas mostra que modelos ajudam em ciências da vida, mas ainda não fazem pesquisa independente.
SWE-Explore: agentes de código erram as linhas-chave
Um benchmark liderado pela Shanghai Jiao Tong University mostra que agentes acham o arquivo certo, mas acertam só 14% a 19% das linhas do bug.