RE-Bench (METR): ML शोध इंजीनियरिंग के 7 कामों में 2 घंटे के बजट पर AI एजेंट औसतन इंसानी विशेषज्ञों से ज़्यादा अंक लाते हैं, और 32 घंटे पर इंसानों का औसत नतीजा सबसे अच्छे एजेंट से लगभग दोगुना है
AI द्वारा अनुवादित, संपादकों द्वारा जाँचा गया
· विज्ञान · सॉफ़्टवेयर विकास
- तकनीक
- AI का पुनरावर्ती आत्म-सुधार
- स्रोत
- metr.org ↗
¶ csrkaiiv2