Argomenti di tendenza
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Joel Becker
nuova nota di ricerca @METR_Evals da @whitfill_parker, @cherylwoooo, nate rush e me. (principalmente parker!)
abbiamo scoperto che *la metà* delle soluzioni verificate SWE-bench della generazione AIs da Sonnet 3.5 a 4.5 *che sono valutate come superate* vengono rifiutate dai manutentori del progetto.
46
sto provando a farlo su METR! per favore metti un like a questo tweet o mandami un DM se sei interessato a essere un rispondente.
6 mar, 09:33
Onestamente, un pannello di utenti esperti in stile Consumer Reports potrebbe essere migliore di METR ecc. per misurare i progressi dell'AI, molto più robusto rispetto alle fluttuazioni.
Non voglio sembrare scettico, ma come utente esperto penso che ci siano stati progressi estremamente evidenti negli ultimi mesi, per quanto ne so.
146
Principali
Ranking
Preferiti