Одна модель, разные результаты: как инфраструктура меняет бенчмарки ИИ-агентов
В этом году Anthropic опубликовала исследование инфраструктурного шума в бенчмарках для ИИ-агентов, которые пишут и запускают код. На Terminal-Bench 2.0 разница между самой строгой и неограниченной конфигурациями достигла шести процентных пунктов....
Читать полный текст в источникеhabr.com — habr.com
Материал собран автоматически из открытых RSS-источников. Пересказ приведён в информационных целях в соответствии со ст. 1274 ГК РФ с указанием первоисточника; полное воспроизведение не осуществляется. Мнения авторов оригинала не обязательно отражают позицию ООО «АЛТЕЯ». Все источники проверены по реестру СМИ-иноагентов Минюста РФ (255-ФЗ).
Ещё по теме
Индустрия
The Apple Watch Series 12 is a good deal at $50 off
07.10.2026, 21:18 МСК
Индустрия
От промпта до продакшена: бесплатные уроки октября про LLM, агентов и MLOps
07.10.2026, 20:16 МСК
Индустрия
Mistral says "Le Chonk" can challenge the best AI models
07.10.2026, 20:12 МСК
Индустрия
Ранжирование рекомендаций на главной Авито: как мы перешли от CatBoost к нейросетям
07.10.2026, 20:08 МСК