Практический вывод из этого прямой. Публичный лидерборд не отвечает на вопрос, насколько хорошо агент будет работать в вашей компании: он измеряет чужую систему на чужих схемах чужой разметкой. Содержательный ответ даёт только внутренний eval на ваших определениях метрик, ваших схемах и ваших реальных ошибках.
Практический вывод из этого прямой. Публичный лидерборд не отвечает на вопрос,…
159 viewsОткрыть в Telegram →
Из этого канала
- #1000Самая недооценённая работа этого года про text-to-SQL В январе на CIDR вышла…
Самая недооценённая работа этого года про text-to-SQL В январе на CIDR вышла статья с названием, которое не оставляет пространства для интерпретаций:…
- #999Современный Процесс разработки ПО поменялся. Цитата из свежей статьи от…
Современный Процесс разработки ПО поменялся. Цитата из свежей статьи от Антропик: Build is no longer the constraint — the human-speed steps around it are.
- #998⚡️ Всего 10 дней до Agentic Football Cup в Алматы! Регистрация на AI-турнир…
⚡️ Всего 10 дней до Agentic Football Cup в Алматы! Регистрация на AI-турнир выходит на финишную прямую.