9 haber bu etiketle işaretlenmiş
SlopCodeBench kıyaslama testinin Ekim 2026 sonuçları yayımlandı. Gelişen gereksinimler karşısında mevcut kodu bozmadan yeni özellikler ekleme becerisini ölçen testte, uç modellerin katı başarı…
Preference Model araştırmacıları, popüler yapay zeka değerlendirme testi Terminal Bench 4 üzerindeki 65 görevi denetledi ve testin mevcut lider tablosunun gerçeği yansıtmadığını ortaya koydu.…
Yapay zeka analiz platformu Artificial Analysis, yapılandırılmış kararlar üreten karar modellerinin performansını ölçen Decision Index v1.0 kıyaslama testini duyurdu. Yeni test sistemi sınıflandırma,…
Yazılım geliştirmede mikro kıyaslama testlerinin süresi hakkında değerlendirmelerde bulunan teknik yazar, girdi boyutunun test süresi yaklaşık 300 milisaniye sürecek şekilde ayarlanmasını önerdi. Bu…
Açık kaynaklı yeni bir kıyaslama projesi olan livenerf, yapay zeka modellerinin yayımlandıktan sonra gizlice performans kaybına uğrayıp uğramadığını istatistiksel yöntemlerle tespit etmek üzere…
Geliştirici Swerdlow, büyük dil modellerinin gerçek zamanlı strateji oyunu StarCraft: Brood War üzerindeki performansını ölçen Brood War Bench testini yayımladı. Freestyle sanal makineleri…
Specific, yapay zeka modellerinin kurumsal üretim kod tabanlarındaki yazılım mühendisliği performansını ölçen Real-SWE adlı yeni kıyaslama platformunu kullanıma sundu. Gerçek şirketlerden lisanslanan…
Yeni yapay zeka modellerinin çıkışında tek komutla Minecraft üretmek veya bisiklete binen pelikan çizimi yaptırmak gibi görsel testler sosyal medyada öne çıkıyor. Bu tarz testler kullanıcılar için…
Artificial Analysis, akıllı telefonlarda çalışan küçük ölçekli yapay zeka modellerinin performansını ve zeka seviyesini ölçen yeni test sistemini duyurdu. Liquid AI ortaklığıyla yürütülen çalışmada,…
Tüm haberler yüklendi