Ai2 NoveltyBench, LLM’lerin araştırma yeniliği kararlarını stres testine açıyor
Ai2’nin yeni benchmarkı, altı LLM hakeminin bilimsel fikirlerin yeniliği konusunda küçük istem ve değerlendirme değişiklikleriyle keskin biçimde farklı kararlar verebildiğini gösteriyor.
2 dk okumaHaberi oku



