R

RAG | Нейросети | ИИ | AI | Агенты | Gemini 4 Argon | DeepSeek V4.1 | Claude Opus 5.5 | GPT-6 Astra | Kimi K3.1 | Muse Wonder | Nemotron 3.5 | Qwen 4 | DeepInfer | GLM-5.3 | Grok 4.7 | llm-d 1.0

IT и технологии · 5 сентября 2026 г.

Открыть канал в MAX

Скажешь агенту «суши родом из Кореи» — посчитает пошлину с Кореи. KC-Bench: 238 задач, ...

Скажешь агенту «суши родом из Кореи» — посчитает пошлину с Кореи. KC-Bench: 238 задач, где инструкция против весов и данных окружения, из девяти моделей ни одна не справилась во всех трёх. Хуже, когда конфликт не заметили — агент сливает имя и адрес, если email совпал, а имя нет. Это не инъекция, модель сама не видит противоречие. Утечки симулированы.