Актуальные темы
#
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.
Я плохо справляюсь с публикацией вещей вовремя! (мое оправдание - я снова преподаю в Addis Coder в этом году)
Сессия постеров для этой статьи проходит ПРЯМО СЕЙЧАС!
Сессия 5: V-Gather Найти 28.07.2025 18:00-19:30
Поздоровайтесь с @ChuxuanHu :)
29 июл. 2025 г.
Могут ли агенты ИИ оценивать воспроизводимость результатов исследований?
Наша статья #ACL2025 показывает, что они не справляются с REPRO-Bench, новым эталоном, который оценивает агентов по задачам воспроизводимости в реальном мире в области социальных наук на основе 112 статей, полных PDF-файлов, кода и данных. Наш агент с наилучшей производительностью набирает <40%!
1/6
2,67K
Топ
Рейтинг
Избранное