Trendande ämnen
#
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
Forskare @OpenAI. Jag tränade modeller som kan göra saker: deep research, chatgpt-agent, etc. Föregående: @Google PhD Fellow, @LTIatCMU, @PKU1898
Jag har hört att förstärkningsinlärning bara fungerar med verifierbara belöningar? 😛 Grattis!!
19 juli 15:50
1/N Jag är glad att kunna dela med mig av att vår senaste @OpenAI experimentellt resonemang LLM har uppnått en långvarig stor utmaning inom AI: prestanda på guldmedaljnivå på världens mest prestigefyllda matematiktävling - International Math Olympiad (IMO).
31,34K
Bara försökte och agenten löste nivå 1 i sin egen webbläsare lol. Tack för att du skapade riktmärket!
19 juli 01:26
o3 (vänster) och Grok 4 (höger) repriser nedan
Spoiler: Ingen av dem slutför en enda nivå
99,02K
Vi lanserar BrowseComp, som står för Surftävling. 🏎️
Tänk på det som kodnings- eller matematiktävlingar – även om dessa tävlingar kanske inte perfekt återspeglar verklig SWE eller matematisk forskning, fångar de en gnista av intelligens.
Detta är det riktmärke vi bör bry oss om när vi utvärderar intelligensen hos djupa forskningsliknande surfagenter.
11 apr. 2025
Vi använder BrowseComp ("Surftävling") med öppen källkod, ett nytt, utmanande benchmarktest som är utformat för att testa hur väl AI-agenter kan surfa på internet för att hitta information som är svår att hitta.
Det är som en skattjakt på nätet... men för bläddringsagenter.
464,73K
Topp
Rankning
Favoriter