Subiecte populare
#
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
Cercetător științific @OpenAI înțelegerea universului prin formarea LLM-urilor. Anterior: @Google PhD Fellow, @LTIatCMU, @PKU1898
Am auzit că învățarea prin întărire funcționează doar cu recompense verificabile? 😛 Congrats!!
19 iul., 15:50
1/N Sunt încântat să vă împărtășesc că cel mai recent @OpenAI raționament experimental LLM a realizat o mare provocare de lungă durată în AI: performanța la nivel de medalie de aur la cea mai prestigioasă competiție de matematică din lume - Olimpiada Internațională de Matematică (IMO).
31,13K
tocmai am încercat și agentul a rezolvat nivelul 1 în propriul browser lol. Mulțumim pentru crearea benchmark-ului!
19 iul., 01:26
o3 (stânga) și Grok 4 (dreapta) reluări mai jos
Spoiler: niciunul nu finalizează un singur nivel
98,88K
Lansăm BrowseComp, care înseamnă Browsing Competition. 🏎️
Gândiți-vă la asta ca la competiții de programare sau matematică – deși aceste concursuri pot să nu reflecte perfect SWE sau cercetarea matematică din lumea reală, ele captează o scânteie de inteligență.
Acesta este punctul de referință de care ar trebui să ne pese atunci când evaluăm inteligența agenților de navigare de tip cercetare profundă.
11 apr. 2025
We’re open-sourcing BrowseComp (“Browsing Competition”), a new, challenging benchmark designed to test how well AI agents can browse the internet to find hard-to-locate information.
It’s like an online scavenger hunt…but for browsing agents.
464,59K
Limită superioară
Clasament
Favorite