наконец-то появился бенчмарк, который действительно имеет значение. забудьте про MMLU и оценки по математике.. PinchBench тестирует, какая модель ИИ лучше всего справляется с реальной работой. не с ответами на вопросы. с реальными действиями:

→ поиск информации из нескольких веб-источников
→ создание и планирование встреч
→ организация

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .