Ai2’nin StateBench’i, uzun bağlamda durum takibinin nerede koptuğunu gösteriyor
StateBench, dört zorluk düzeyinde değişen varlık durumlarını izliyor; frontier modeller en uzun ve zor örneklerde yüzde 13 veya altına düşüyor.
2 dk okumaHaberi oku
ODAĞINI SEÇ
Üretim alanın hangisi?
HABER AKIŞI
StateBench
KonuStateBenchEtiketi kaldır
AI Radar yayın saatine göre · Saatler Türkiye saatidir.Filtreleri temizle
HABERİN BİR ADIM ÖTESİ
Ne değişti?
Üretimine ne katar?
Her haberin içinde kısa bir özet, üretim işine etkisi ve asıl kaynaklar var. Ürün demolarını ve yayımlanan örnekleri de haberin yanında keşfet.
Yayın yaklaşımımız
