בלוג

סוכני קידוד AI עדיין זקוקים לניקוי אנושי בכמעט שלוש מתוך ארבע משימות במבחן בעולם האמיתי

מבחן חדש בשם Co-Design Bench של חוקרים מ-Alibaba ומכמה אוניברסיטאות באסיה מראה שאפילו סוכן הקידוד הטוב ביותר משלים במלואו רק כמשימה אחת מכל ארבע משימות של אפליקציות ווב מהעולם האמיתי, בעוד שמדדים ישנים מציגים ציונים כמעט מושלמים.