🤖 Агенты под проверкой
🤖 Агенты под проверкой Perplexity выпустила WANDR - открытый бенчмарк для исследовательских ИИ-агентов. Он проверяет, умеет ли система не просто написать отчёт, а найти большой набор данных и подтвердить каждый элемент источником. Что проверяют: ✧ 500 реалистичных задач ✧ 170 495 записей с источниками ✧ полноту поиска, а не только точность ✧ soft F1 и hard F1 ✧ провалы в доказательствах и покрытии 🔗 Подробнее... #Perplexity #WANDR #DeepResearch
99 просмотров