/ Бенчмарки

Open ASR Leaderboard добавил египетский и нигерийский акценты для лучшего глобального тестирования

2 дня назад

OpenAI представила LifeVal: бенчмарк для оценки бытовой пользы ИИ

5 дней назад

LlamaIndex представляет BooBench для стресс-тестирования парсеров документов

1 неделю назад

Новый бенчмарк тестирует AI-агентов на создании сложного программного обеспечения

1 неделю назад

BenchMIRT показывает, что на самом деле измеряют тесты LLM

2 месяца назад

Настройки API почти втрое улучшили результат GPT-5.6 Sol

3 месяца назад

VoiceEQ проверяет, действительно ли голосовой ИИ звучит как человек

3 месяца назад

Perplexity открыла бенчмарк WANDR для исследовательских ИИ-агентов

3 месяца назад

Аудит OpenAI выявил серьёзные недостатки в SWE-Bench Pro

3 месяца назад

OpenAI представила GeneBench-Pro для тестирования ИИ в биологии

4 месяца назад