แท็ก

#agent evaluation

2 บทความ

UK AISI: เบนช์มาร์กมาตรฐานประเมิน AI agent ต่ำกว่าความจริง — ให้โทเคนมากขึ้น ความสามารถพุ่งขึ้นชัด
งานวิจัย

UK AISI: เบนช์มาร์กมาตรฐานประเมิน AI agent ต่ำกว่าความจริง — ให้โทเคนมากขึ้น ความสามารถพุ่งขึ้นชัด

UK AI Security Institute ชี้ว่าเบนช์มาร์ก agent ที่จำกัดงบโทเคนตายตัวประเมินความสามารถโมเดล 'ต่ำกว่าความจริงอย่างเป็นระบบ' — เมื่อเพิ่มงบจาก 1M เป็น 10M โทเคน อัตราสำเร็จงานเขียนโค้ดพุ่งราว 25% และควรวัดความสามารถเป็น 'เส้นโค้งเทียบกับ compute' ไม่ใช่ตัวเลขเดียว

· อ่าน 6 นาที
Patronus AI ระดมทุน $50M Series B พร้อมเปิด 'Digital World Models' — โลกจำลองที่ฝึกและทดสอบ AI agent ก่อนปล่อยใช้งานจริง
เครื่องมือนักพัฒนา

Patronus AI ระดมทุน $50M Series B พร้อมเปิด 'Digital World Models' — โลกจำลองที่ฝึกและทดสอบ AI agent ก่อนปล่อยใช้งานจริง

Patronus AI ปิดรอบ Series B $50 ล้าน นำโดย Greenfield Partners พร้อมเปิดตัว 'Digital World Models' — เว็บไซต์/ระบบภายในเวอร์ชันจำลองขนาดใหญ่ที่ปล่อยให้ AI agent เข้าไปเทรนและถูกทดสอบในสถานการณ์หายากด้วย reinforcement learning ก่อนนำไปใช้งานจริง

· อ่าน 5 นาที