Artículos relacionados

GPT-6-Sol

A stronger base model used in CLR-Bench experiments; with it, ACE and Dynamic Cheatsheet reach 78% accuracy.

• StateBench descubre que el seguimiento de estados en documentos largos sigue siendo difícil para los modelos de IA
• CLR-Bench pone a prueba si los agentes auto-evolutivos aprenden reglas ocultas o solo registran excepciones