RE-Bench (METR): в 7 задачах инженерии ML-исследований ИИ-агенты при бюджете 2 часа в среднем набирают больше экспертов-людей, а при 32 часах средний результат людей почти вдвое выше, чем у лучшего агента
· Наука · Разработка ПО
- технология
- Рекурсивное самоулучшение ИИ
- источник
- metr.org ↗
¶ csrkaiiv2