@0interestratesبچه‌های Julius AI دست گذاشتن رو نقطه حساس وال‌استریت و بنچمارکی به اسم DeepFinance دادن بیرون تا ببینن این مدل‌های پرادعا واقعاً عرضه‌ی چرخوندن یه معامله بالای ۱۰۰ میلیون دلاری رو دارن یا فقط بلدن جدول ضرب اکسل تحویل بدن
بچه‌های Julius AI دست گذاشتن رو نقطه حساس وال‌استریت و بنچمارکی به اسم DeepFinance دادن بیرون تا ببینن این مدل‌های پرادعا واقعاً عرضه‌ی چرخوندن یه معامله بالای ۱۰۰ میلیون دلاری رو دارن یا فقط بلدن جدول ضرب اکسل تحویل بدن.
• ۲۱ پرونده سنگین و واقعی از دل معاملات پرایوت اکوئیتی و بانکداری سرمایه‌گذاری، طراحی‌شده توسط کارکشته‌های Evercore و JP Morgan؛ کارهایی که برای یه تحلیل‌گر استخوان‌خردکرده ۲۰ تا ۴۰ ساعت زمان می‌بره.
• نتایج روی زمین: بهترین و شاخ‌ترین مدل تو این آزمون‌ها زورش فقط به نمره ||۵۴.۶|| رسیده و کف جدول هم رو حوالی ۲۰ دست‌وپا می‌زنه؛ یعنی تا منطق و تصمیم‌گیری واقعی فرسنگ‌ها فاصله دارن.
منبع
DeepFinance
An ultra long-horizon benchmark for measuring models on real-world Private Equity and Investment Banking workflows, graded on output, workflow, and judgment.
خواندن در سایت منبعبیشتر بخوانید
ایالت دلاور آمریکا—همون بهشت ثبت شرکت‌ها—طرحی داده که مو به تن اهالی بیزنس سیخ کرده: اینکه ایجنت‌های هوش مصنوعی بتونن رسماً و قانوناً مدیرعامل و همه‌کاره‌ی یک شرکت تجاری بشن
حضرات آنتروپیک باز دست به کیبورد شدن و با یه واژهٔ شاعرانه به اسم «خواب دیدن» (Dreaming)، رفتن سراغ حل یکی از گیرهای اساسی هوش مصنوعی: یعنی همون حافظهٔ بلندمدت ایجنتها
در حالی که خلق‌الله تو کامنت‌ها دارن سر مدل بعدی چونه می‌زنن، اوپن‌ای‌آی دست‌به‌یکی کرده با یه شرکت بیوتک به اسم Ligo و از یه خط‌کش جدید به اسم BioBasicsBench واسه تست هوش تو آزمایشگاه‌های زیست‌شناسی رونمایی کرده
این همه توی بوق و کرنا کردن که «دیگه بشینید تو خونه، ایجنت‌های هوش مصنوعی خودشون براتون خرید می‌کنن»، حالا ویزا (Visa) اومده ۲۲ تا از این بات‌های خرید رو توی ۱۵ سناریوی واقعی محک زده و عیارشون دراومده
نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.