Populære emner
#
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.
Jeg er dårlig til å legge ut ting i tide! (unnskyldningen min er at jeg underviser ved Addis Coder igjen i år)
Postersesjonen for denne artikkelen skjer AKKURAT NÅ!
Sesjon 5: V-Gather Finn 28.07.2025 18:00-19:30
Si hei til @ChuxuanHu :)
29. juli 2025
Kan AI-agenter vurdere reproduserbarheten til forskningsresultater?
Vår #ACL2025 artikkel viser at de kommer til kort med REPRO-Bench, en ny målestokk som evaluerer agenter på virkelige samfunnsvitenskapelige reproduserbarhetsoppgaver på 112 artikler, fullstendige PDF-er, kode og data. Vår best presterende agent scorer <40%!
1/6
2,67K
Topp
Rangering
Favoritter