valutazione modelli

5 notizie su "valutazione modelli" — Agenti AI, LLM, robotica e automazione in italiano.

• Perché SWE-bench Verified non è più affidabile per valutare l'AI nel coding
• OpenAI lancia GDPval: nuovo benchmark per misurare l'impatto economico dell'AI
• OpenAI e Anthropic presentano i risultati della valutazione congiunta sulla sicurezza AI
• MLE-bench: un nuovo benchmark per valutare gli agenti AI nelle sfide di ingegneria ML
• Presentazione di SWE-bench Verified: un nuovo standard per il coding AI