// категория: Исследования и разработки

OpenAI в сотрудничестве с Тихоокеанской северо-западной национальной лабораторией (PNNL) разработали новый бенчмарк DraftNEPABench. Инструмент предназначен для оценки эффективности ИИ-агентов в автоматизации подготовки экологической документации, что позволит значительно ускорить модернизацию инфраструктуры.

Популярный инструмент для оценки способностей нейросетей в программировании SWE-bench Verified столкнулся с серьезными проблемами загрязнения данных и ошибочными тестами. Эксперты призывают индустрию переходить на версию SWE-bench Pro для получения объективных результатов развития LLM.

Исследователи представили результаты тестирования новых ИИ-моделей, способных справляться с математическими доказательствами экспертного уровня. Это важный шаг в переходе от простой генерации текста к глубокому логическому рассуждению и научным открытиям.

Исследователи представили новую теоретическую базу, объясняющую процесс обучения Word2vec — фундаментального алгоритма для обработки текста. Работа доказывает, что обучение нейросети происходит через дискретные шаги и математически сводится к классическим методам анализа данных, таким как PCA.