पेपरबेंचः यह आकलन करना कि AI कितनी अच्छी तरह से AI अनुसंधान को पुनः पेश कर सकता है
पेपरबेंच एक बेंचमार्क है जिसका उद्देश्य यह मूल्यांकन करना है कि AI एजेंट अत्याधुनिक अनुसंधान को कितनी अच्छी तरह से दोहरा सकते हैं। पारंपरिक क्विज़-शैली के आकलनों के विपरीत, प्रतिकृति में घने कागजात पढ…