/ Бенчмарки

BenchMIRT показывает, что на самом деле измеряют тесты LLM

3 недели назад

Настройки API почти втрое улучшили результат GPT-5.6 Sol

1 месяц назад

VoiceEQ проверяет, действительно ли голосовой ИИ звучит как человек

2 месяца назад

Perplexity открыла бенчмарк WANDR для исследовательских ИИ-агентов

2 месяца назад

Аудит OpenAI выявил серьёзные недостатки в SWE-Bench Pro

2 месяца назад

OpenAI представила GeneBench-Pro для тестирования ИИ в биологии

2 месяца назад