Из какой LLM получится хороший виртуальный сотрудник, или Почему валятся бенчмарки моделей для генерации кода
В феврале 2026 года OpenAI рекомендовала оценивать ИИ-агентов для программирования по бенчмарку SWE-Bench Pro. Но уже 8 июля отозвала собственную рекомендацию, признав, что примерно 30% задач SWE-Bench Pro составлены с ошибками. До этого компания отказалась от SWE-bench Verified, когда выяснилось, что модели видели… — Хабр — все публикации
СМИ: 😐 спокойно
Как эту новость восприняли люди
Пока никто не ответил — будьте первым.
Ещё по теме «Искусственный интеллект»
REGIONS: священник из Ногинска Торик запретил исповедоваться перед нейросетямиПодмосковье CегодняВ США создали ИИ, который предупреждает врачей о сомнительных научных данных
Inc. RussiaАферисты похитили 26 млн рублей у пенсионерки через дипфейк главы Приангарья
ВзглядГугл нейросеть в поиске: что это за ответы над выдачей и можно ли им доверять
Хабр — все публикации
Полный текст — у издания. Здесь — короткий анонс, тон подачи и то, как новость восприняли люди.