NadiAIGlobal AI news. Concise. Clear. Easy to follow.
OpenAI memperkenalkan Deployment Simulation, kaedah untuk meramal tingkah laku model AI sebelum dikeluarkan. Ia menggunakan data perbualan sebenar untuk memperbaiki ketepatan penilaian dan langkah keselamatan.
OpenAI memperkenalkan SWE-bench Verified, satu subset SWE-bench yang disahkan oleh manusia. Menurut OpenAI, ia direka untuk menilai dengan lebih dipercayai kebolehan model AI menyelesaikan masalah perisian dunia sebenar.
Menurut Hugging Face, kajian kes Expert Support menerangkan penggunaan model bahasa besar sebagai 'hakim' untuk menyokong aplikasi RAG. Laporan itu menunjukkan pendekatan ini membantu menilai dan memilih jawapan yang lebih sesuai dalam aliran pemulihan berasaskan konteks.
Balyasny Asset Management membina enjin penyelidikan AI dengan menggabungkan penilaian model yang rapi, penggunaan OpenAI di seluruh platform, dan aliran kerja ejen. Pendekatan ini direka untuk menyusun dan mempercepat proses penyelidikan pelaburan.