OpenAI показала бенчмарк LifeVal для бытовых задач
· 1 мин чтения
ABF-Bench — тест для агентов, отслеживающих переводы в блокчейне. Агенты должны ссылаться на записи реестра. В тестах специализированный инструмент показал…
1 мин чтенияРедакция «Нейродвиж»Источник: Hugging Face Papers
ABF-Bench — тест для агентов, отслеживающих переводы в блокчейне. Агенты должны ссылаться на записи реестра. В тестах специализированный инструмент показал 75% точности, Codex — 47%, Claude Code — 10% из-за ссылок на нераскрытые данные.
Это короткий пересказ своими словами, а не перевод. Текст подготовлен с помощью ИИ и сверен с источником. Нашли ошибку?
· 1 мин чтения
· 1 мин чтения
· 1 мин чтения