Операция выполнена!
Закрыть
Хабы: Машинное обучение, Natural Language Processing, Исследования и прогнозы в IT

Казалось бы, современные LLM должны неплохо справляться с подобными заданиями. Однако, даже передовые модели сталкиваются с серьезными трудностями. Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol и GPT-6 Luna уверенно проходили простые уровни, но на самых длинных заданиях с взаимосвязанными изменениями точность падала до 13% и ниже.

Исследователи из Allen Institute for AI решили выяснить, в какой момент модели начинают терять информацию о состоянии объектов. Их интересовали не только предельные возможности архитектур, но и различия между задачами, которые на первый взгляд выглядят почти одинаково.

Читать далее
Читайте также
НОВОСТИ

ПИШИТЕ

Техническая поддержка проекта ВсеТут

info@vsetut.pro