Stanford
ستانفورد تنشر قياسًا يقيّم وكلاء الذكاء الاصطناعي في سير العمل العلمي
يضمّ الإصدار الأول من Terminal-Bench-Science سبعين مهمّة مأخوذة من أعمال أنجزها باحثون فعلًا. وفي النتائج الأولى ينجز أفضل وكيل 30 بالمئة منها.
Stanford
Stanford
Stanford publishes a benchmark measuring AI agents on scientific workflows
The first release of Terminal-Bench-Science contains 70 tasks drawn from work researchers actually performed. In the first results, the best agent completes 30 percent of them.
Stanford
Stanford, yapay zeka ajanlarını bilimsel iş akışlarında ölçen bir kıyaslama yayımladı
Terminal-Bench-Science'ın ilk sürümünde, araştırmacıların gerçekten yaptığı işlerden alınmış 70 görev var. İlk sonuçlarda en iyi ajan görevlerin yüzde 30'unu bitirebiliyor.