实体 Crux

Crux

PulseAugur coverage of Crux — every cluster mentioning Crux across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_44648 · May 22 · 04:00

新的开放世界人工智能评估使用真实世界任务进行能力评估

研究人员引入了一种名为开放世界评估的新评估方法，它补充了前沿人工智能能力的传统基于基准的评估。这些评估侧重于长周期、复杂的真实世界任务，这些任务通过定性评估而非自动化评分进行评估。作为演示，一个AI代理在最少的人工干预下成功开发并向Apple App Store发布了一个iOS应用程序，这表明其具有广泛的能力潜力。