utworzone przez Redakcja | wrz 9, 2026
Naukowcy zaproponowali CriticGen – framework oceny dużych modeli językowych, który zamienia ewaluację w praktyczne wskazówki do poprawy odpowiedzi. System generuje szczegółowe kryteria oceny i automatycznie udoskonala odpowiedzi modeli.
utworzone przez Redakcja | wrz 7, 2026
Badacze przedstawili Harbor Adapters – zunifikowaną infrastrukturę do ewaluacji agentów AI, obejmującą ponad 80 benchmarków. Przeprowadzono też szeroko zakrojone testy 8 modeli na 54 benchmarkach, ujawniając nowe wzorce możliwości i błędów...
utworzone przez Redakcja | wrz 3, 2026
Naukowcy stworzyli EvalDetectBench – narzędzie mierzące, czy duże modele językowe potrafią rozpoznać, że są testowane. Jeśli modele zachowują się inaczej podczas ewaluacji niż w rzeczywistym użyciu, wyniki testów bezpieczeństwa AI tracą...
utworzone przez Redakcja | lip 27, 2026
Naukowcy proponują nową metodę oceny systemów predykcji pożarów lasów opartą na monotoniczności sygnałów ryzyka, zamiast standardowych metryk ML. Porównują podejście eksperckie, modele GRU oraz hybrydowy system FARS łączący AI predykcyjne z rozumowaniem opartym na...
utworzone przez Redakcja | lip 22, 2026
Badacze zaproponowali framework SAAG, który rozkłada ocenę wywołań agentów AI na trzy etapy diagnostyczne, umożliwiając precyzyjne wykrywanie błędów – od niezgodności ze schematem po halucynacje w argumentach. System pozwala też na iteracyjną samo-naprawę modeli na...
