SWE-bench
Az AI21 szerint mást mérnek a kódolási benchmarkok, mint amit a fejlesztők csinálnak
Az AI21 Labs belső fejlesztői forgalmának elemzése szerint a kódoló ügynökök valódi használata jelentősen eltér attól, amit a nyilvános benchmarkok mérnek. A vállalat…
Biztonság és etikaFAR.AI: 2025-ben gyorsult az AI fejlődése, de a kockázatok is nőttek
A FAR.AI értékelése szerint 2025-ben látványosan fejlődtek a gondolkodó modellek és a kódoló ügynökök, miközben az AI-val támogatott bűncselekmények, a megtévesztés és…