•SiTech AI Team
Новий Taste-Bench: найкращі AI-агенти ледве перемагають підкидання монети у тривалих рішеннях
Дослідники з Microsoft та Гонконгського міського університету створили Taste-Bench — бенчмарк для перевірки якості рішень AI-агентів у тривалих сценаріях. Найкраща модель, GPT-5.6 Sol, у бінарному виборі набрала лише 59,7%.
