2026年2月に始動したこの取り組みは、研究者が現実的なタスクで能力を増すエージェントシステムを測定しようとする中、オープンソースのAI評価用データセットとベンチマークを支援する。
31d ago
信頼性検証中
このトピックには専門用語がありません。