Исследователи из Принстонского университета разработали CEO-Bench — тест, в котором агенты ИИ должны управлять вымышленной компанией-разработчиком программного обеспечения в течение 500 смоделированных дней. Большинство современных моделей терпят крах, и простая эвристика, основанная на правилах, без компонента искусственного интеллекта…
Новые модели сбрасывают границы возможностей и цены-качества. Команды пересматривают, на чем основываться, всякий раз, когда запуск меняет возможный размер за доллар.
Краткое изложение собрано только для информации — перейдите по ссылке на источник, чтобы получить полную информацию. Демонстрационные записи носят иллюстративный характер.