वास्तविक दुनिया के कार्यों पर हमारे मॉडल के प्रदर्शन का मूल्यांकन करना
GDPval OpenAI का नया बेंचमार्क है जो मापता है कि AI मॉडल 44 व्यवसायों में वास्तविक दुनिया, आर्थिक रूप से मूल्यवान कार्यों पर कितना अच्छा प्रदर्शन करते हैं। पारंपरिक परीक्षाओं के विपरीत, यह परीक्षण करत…