戻る

FrontierMathベンチマーク監査、数学問題の3分の1で誤り判明

Epoch AIの検証により、ベンチマークの品質がAIモデル試験への信頼感と今後の評価を左右し得ることが改めて浮き彫りになった。

要約

信頼性検証中

用語解説

このトピックには専門用語がありません。