utworzone przez Redakcja | paź 31, 2026
Naukowcy wprowadzają protokół Seq@K, który mierzy zdolność modeli językowych do poprawiania odpowiedzi na podstawie kolejnych informacji zwrotnych po każdej nieudanej próbie. Istniejące metryki jak Pass@1 czy Pass@K nie uwzględniają tego jak modele uczą się z...
utworzone przez Redakcja | paź 14, 2026
Naukowcy proponują test oceny AI wykraczający poza ludzkie możliwości, oparty na odwrotnych problemach i mierzalnej złożoności algorytmicznej Levina (Kt), który nie saturuje wraz z postępem modeli językowych.
utworzone przez Redakcja | sie 27, 2026
Google DeepMind zapoczątkował pilotażowy program podwójnie ślepych ewaluacji modeli AI – metodologii, która ma zapewnić obiektywniejszą ocenę systemów sztucznej inteligencji. To pierwsza tego typu inicjatywa na świecie.
utworzone przez Redakcja | sie 26, 2026
Naukowcy wprowadzili RENDER – narzędzie kontrolne do oceny pamięci w modelach językowych, które bada wpływ różnych formatów prezentacji historii rozmów na jakość odpowiedzi. Testy na 500 pytaniach pokazują różnice w skuteczności sięgające nawet 72,6 punktu...
utworzone przez Redakcja | sie 17, 2026
Naukowcy opracowali system RubricForge, który automatycznie generuje rubryki oceniające agentów językowych na podstawie oznaczonych trajektorii, eliminując problem błędnego przyznawania punktów za płynne, lecz nieudane odpowiedzi.
