А не пора ли нам сделать новый LLM бенчмарк про агентов? C прицелом на Agentic Commerce, Personal OS, threats, AI Coding и другие актуальные типы задач. И заодно найти новый хороший дом для публикации отчетов. Ваш, @llm_under_hood 🤗
А не пора ли нам сделать новый LLM бенчмарк про агентов? C прицелом на Agentic…
Из этого канала
- #892Мой любимый лайфхак работы с Codex - я прошу агентов проиллюстрировать…
Мой любимый лайфхак работы с Codex - я прошу агентов проиллюстрировать какой-нибудь документ или отчет в виде красивого интерактивного HTML документа на один…
- #893Все, мы закончили с 5м потоком вебинара про AI Coding! Больше потоков еще не…
Все, мы закончили с 5м потоком вебинара про AI Coding! Больше потоков еще не планировали.
- #896До чего дошли технологии! @AigizK взял мое intro видео на английском и своим…
До чего дошли технологии! @AigizK взял мое intro видео на английском и своим пайплайном (тюненым через Agentic Loops) перевел с английского на разные языки с…
- #890LLM Бенчмарк Claude Sonnet 5 на бизнес задачах - скачок качества @AigizK…
LLM Бенчмарк Claude Sonnet 5 на бизнес задачах - скачок качества @AigizK прогнал все вариации Sonnet 5 на нашем бенчмарке, собранном из эвалов успешных AI…
- #889Почему o1 pro до сих пор в топах нашего LLM Бенчмарка? И почему она стоит 20…
Почему o1 pro до сих пор в топах нашего LLM Бенчмарка? И почему она стоит 20 центов?! Да это потому, что ее прогоняли в ручном режиме на Pro подписке в порядке…