दुबला 4

2 articles tagged दुबला 4

उपकरण समीक्षाएँ

ओपन फ्रंटियर्स खुला अनुसंधान समस्याओं का संग्रह और वैज्ञानिक पुनः खोज के लिए एक बेंचमार्क प्रस्तुत करता है

OpenFrontiers LLM एजेंटों की वास्तविक पुनः खोज बनाम वेब पुनर्प्राप्ति को मापने के लिए 200-प्रश्न लीन 4 बेंचमार्क के साथ 12,151 अनुसंधान समस्याओं को जोड़ता है।

उपकरण समीक्षाएँ

एक टर्मिनल-शैली गणितीय मॉडलिंग बेंचमार्क पहला एजेंटिक और सत्यापित करने योग्य मानक है।

टीबी-मैथ मॉडल टर्मिनल कार्यों, औपचारिक जांच और प्रतियोगिता डेटा के माध्यम से वास्तविक गणितीय मॉडलिंग पर AI एजेंटों का परीक्षण करता है, जो क्षमता और लागत अंतरालों को प्रकट करते हैं।