MMLU

3 статьи

1ч 49м
🎯 Афшин и Шервин об эволюции оценки LLM: от человеческой разметки до агентов-симуляторов
Stanford Online · 02.12.25 · 53,1 тыс. просм.
1ч 20м
📉 Кризис оценки ИИ: почему современные бенчмарки лгут?
Stanford Online · 04.06.25 · 22,2 тыс. просм.
2ч 37м
🧬 Последний экзамен человечества: Дэн Хендрикс о безопасности сверхразума
The Cognitive Revolution · 19.10.24 · 1,2 тыс. просм.