トレンドトピック
#
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.
Zhiqing Sun
LLMを訓練することで宇宙を理解する@OpenAI研究科学者。以前: @Google博士号フェロー、@LTIatCMU、@PKU1898
強化学習は検証可能な報酬でのみ機能すると聞きましたか?😛 おめでとう！！
7月19日 15:50
1/N 最新の@OpenAI実験的推論 LLM が、世界で最も権威のある数学コンテストである国際数学オリンピック (IMO) で金メダルレベルの成績という、AI における長年の壮大な課題を達成したことを共有できることを嬉しく思います。
31.12K
試してみたところ、エージェントは独自のブラウザでレベル1を解決しました(笑)。ベンチマークを作成してくれてありがとう!
7月19日 01:26
以下のo3(左)とGrok 4(右)のリプレイ
ネタバレ: どちらも 1 つのレベルを完了していません
98.87K
BrowseComp(ブラウジングコンペティションの略)をリリースします。🏎️
コーディングや数学のコンテストのように考えてみてください — これらのコンテストは、現実世界のSWEや数学の研究を完全に反映しているわけではありませんが、知性のひらめきを捉えています。
これは、ディープリサーチのようなブラウジングエージェントの知能を評価する際に考慮すべきベンチマークです。
2025年4月11日
私たちは、AIエージェントがインターネットをどれだけうまく閲覧して見つけにくい情報を見つけることができるかをテストするために設計された新しい挑戦的なベンチマークであるBrowseComp(「ブラウジングコンペティション」)をオープンソース化しています。
それはオンラインのスカベンジャーハントのようなものです...しかし、エージェントの閲覧用です。
464.57K
トップ
ランキング
お気に入り