जीनबेंच-प्रो की घोषणा
जीनबेंच-प्रो एक नया बेंचमार्क है जो जटिल, वास्तविक दुनिया datasets का उपयोग करके जीनोमिक्स, जीव विज्ञान और व्यापक वैज्ञानिक अनुसंधान कार्यों पर AI के प्रदर्शन का मूल्यांकन करता है। सरलीकृत खिलौना समस्…
AI बेंचमार्क
परिचय SWE-बेंच सत्यापित
OpenAI ने मूल एसडब्ल्यूई-बेंच बेंचमार्क का एक मानव-सत्यापित उपसमूह, SWE-Bench Verified जारी किया। प्रत्येक कार्य को सही और स्पष्टता के लिए मैन्युअल रूप से जांचा गया है, दोषपूर्ण या अस्पष्ट आइटम हटा दि…
SWE-Lancer बेंचमार्क प्रस्तुत करना
Remote Labor Index बेंचमार्क का मूल्यांकन करता है कि क्या GPT-5 और Claude Sonnet 4.5 जैसे फ्रंटियर AI मॉडल अपवर्क-शैली के प्लेटफार्मों से वास्तविक फ्रीलांस कोडिंग नौकरियों को पूरा करके $1 मिलियन कमा स…