A

AINoda

IT и технологии · 29 октября 2026 г.

Открыть канал в MAX

🧠 Яндекс и ШАД представили новый способ проверки логики нейросетей — бенчмарк MTGBench...

🧠 Яндекс и ШАД представили новый способ проверки логики нейросетей — бенчмарк MTGBench. Он оценивает, как модели справляются с многошаговыми заданиями и насколько эффективно они умеют рассуждать. Внутри семь текстовых игр на русском и английском языках, включая «Данетки», «Алиас», Wordle и «Поле чудес». Исследование показало, что этап рассуждений больше всего помогает нейросетям в задачах с буквами и символами, в то время как в заданиях на понимание смысла эффект был не таким однозначным. Результаты работы студентов и исследователей опубликовали в Findings of EMNLP 2026. Код, все задания и подробные итоги тестов уже доступны на GitHub. Источник: Исходный материал AINoda — подписаться