✴️Astra и ✴️Fable 5.1 обошли средний результат людей в тесте на здравый смысл
SimpleBench проверяет бытовую логику, понимание времени, пространства и вопросов с подвохом. Например, задача может отвлекать подсчётом кубиков льда, хотя их кладут на горячую сковороду и нужно учитывать, что они растают. Описание теста
То есть: модели стали лучше справляться с простыми по смыслу задачами, на которых раньше нелепо ошибались
🌐 сайт: codexsale
💬 чат вайбкодеров
🛠 cтудия разработки IT: APK,Сайты,Софты,Боты
SimpleBench проверяет бытовую логику, понимание времени, пространства и вопросов с подвохом. Например, задача может отвлекать подсчётом кубиков льда, хотя их кладут на горячую сковороду и нужно учитывать, что они растают. Описание теста
То есть: модели стали лучше справляться с простыми по смыслу задачами, на которых раньше нелепо ошибались
🌐 сайт: codexsale
💬 чат вайбкодеров
🛠 cтудия разработки IT: APK,Сайты,Софты,Боты