GDPx, ajan yeteneklerini 11 yüksek değerli alanda ölçüyor
SemiAnalysis, frontier modellerin ajan yeteneklerini çip tasarımından biyolojiye ve yazılım mühendisliğine uzanan 11 uzmanlık alanında sınayan GDPx benchmark’ını yayımladı.
BİR BAKIŞTA
Haberin özeti
- GDPx, ajan yeteneklerini 11 yüksek değerli uzmanlık alanında ölçüyor.
- İlk sonuçlarda en iyi modelin toplam puanı yüzde 12’de kaldı.
- Güvenlik sınıflandırıcıları bazı alanlarda model sıralamasını etkileyebiliyor.
Neler değişiyor?
SemiAnalysis, genel amaçlı AI ajanlarını ekonomik değeri yüksek uzmanlık alanlarında ölçmek için GDPx benchmark’ını yayımladı. Test; çip ve donanım tasarımı, siber güvenlik, biyoloji, finans, hukuk, nicel işlem, yinelemeli öz-iyileştirme, malzeme bilimi, uyum ve yazılım mühendisliği dahil 11 alanı kapsıyor.
Yayınlanan ilk sonuçlarda en iyi modelin toplam puanı yalnızca yüzde 12’de kaldı. Yazarlar, siber güvenlik, biyoloji ve uyum görevlerinde güvenlik sınıflandırıcılarının bazı modellerin yanıtlarını sınırladığını; bu üç alan çıkarıldığında sıralamanın değişebildiğini belirtiyor. Bu nedenle sonuçlar yalnız ham yeteneği değil, modelin görevi yanıtlamaya istekli olup olmadığını da yansıtıyor.
GDPx; model seçimi yapan teknik ekipler için zor, alan odaklı bir karşılaştırma zemini sunuyor. Ancak benchmark kamu, emlak ve sigorta gibi sektörleri bilinçli olarak dışarıda bırakıyor; üretim kararlarında kurumun kendi görevleri, maliyetleri ve güvenlik politikalarıyla birlikte değerlendirilmesi gerekiyor.
Asıl kaynaklara göz at
Kaynak tarihi: 2 Kasım 2026.
AI Radar yayın saati: 2 Kas 2026 09:00 (Türkiye).
KONUYU TAKİP ET
Konular ve etiketler
Keşfini paylaş.
Bu haberi bir arkadaşına gönder.
Okuyucu yorumları
Bu gelişme hakkında ne düşünüyorsun? Deneyimini veya sorunu paylaş. Yorumlar editör onayından sonra yayımlanır.
Adın/takma adın ve yorumun onaylanırsa herkese açık görünür. Veri işleme hakkında: Gizlilik bilgilendirmesi.
Yorumlar yükleniyor…