תדלוק מידע אמינות בבדיקות לוגית אלקטרונית

אנשי OpenAI בדקנו את הבדיקה הכתובה SWE-Bench Pro, שנחשבת למוצעת, וזיהינו בעיה של אמינות. המודלים החברתיים נשאבים בקביעות בתוך הבדיקה.

מקור: OpenAI News — לכתבה המלאה