ბლოგი

AI-კოდირების აგენტებს რეალურ ტესტში თითქმის ოთხი დავალებიდან სამში მაინც ადამიანის დახვეწა სჭირდებათ

Alibaba-სა და აზიის უნივერსიტეტების მკვლევრების ახალი Co-Design Bench ტესტი აჩვენებს, რომ საუკეთესო AI აგენტი რეალური ვებაპლიკაციის დავალებების მხოლოდ მეოთხედს ასრულებს სრულად, ძველი ბენჩმარკები კი თითქმის იდეალურ ქულებს იძლევა.