27 artykułów z tym tagiem
Math Takes Two sprawdza czy agenty AI potrafią rozwinąć wspólny system liczbowy bez wcześniejszej wiedzy matematycznej poprzez komunikację wizualną.
Nowy benchmark pokazuje dramatyczny spadek wydajności modeli AI przy złożonych wizualizacjach - nawet liderzy jak Claude i Gemini tracą 50% możliwości.
Nowy benchmark IBM testuje agentów AI w środowisku z 8000+ API, pokazując znaczące luki w wieloetapowym rozumowaniu biznesowym.
