وسم

#llm-evaluation

مقالتان

الذكاء الاصطناعي والتعلم الآلي٢٦ يونيو ٢٠٢٦٩ دقائق
FrontierMath v2: ٤٢٪ من المسائل الرياضية كان بها أخطاء
صلح FrontierMath v2 الخاص بـ Epoch AI أخطاء في ٤٢٪ من المسائل في ١٢ يونيو ٢٠٢٦. إليكم إيه اللي باظ، وإزاي تم اكتشافه، وده معناه إيه بالنسبة للثقة في مقاييس أداء الذكاء الاصطناعي.
الذكاء الاصطناعي والتعلم الآلي٢٢ مايو ٢٠٢٦١٢ دقيقة
دليل Promptfoo: اختبار مطالبات LLM في CI (٢٠٢٦)
دليل عملي لـ promptfoo: اختبر مطالبات LLM باستخدام تأكيدات حتمية وأخرى يتم تقييمها بواسطة النماذج، واكتشف تراجعات المطالبات، وقم بضبط بوابة CI الخاصة بك باستخدام GitHub Actions.

كل المقالات في #llm-evaluation (٢)

FrontierMath v2: ٤٢٪ من المسائل الرياضية كان بها أخطاء