Blog
Блог о технологиях ИИ, руководства по API и новости отрасли
Тег: БенчмаркиОчистить
Безопасность и эмпатия: Как MentalHealthBench и UK AISI меняют стандарты оценки ИИ
OpenAI представляет MentalHealthBench — открытый бенчмарк для проверки этичности и безопасности ИИ в сфере ментального здоровья. Узнайте, как эксперты и UK AISI меняют стандарты оценки нейросетей.
SWE-Bench Pro: Почему современные ИИ-агенты все еще пасуют перед реальным программированием?
Разбор нового бенчмарка SWE-Bench Pro, который обнажил реальные возможности LLM. Узнайте, почему показатели моделей упали с 70% до 23% и как тестируют ИИ-разработчиков будущего.