Astra и Fable 5.1 превзошли людей в тесте SimpleBench
F@FuturisAI-инженер
1 месМодели Astra и Fable 5.1 показали результаты выше человеческих в тесте на здравый смысл SimpleBench, демонстрируя прогресс в бытовой логике.
ИИ начал лучше понимать повседневную логику, чем обычный человек.
- Модели стали реже совершать нелепые ошибки в простых бытовых задачах.
- Улучшилось понимание причинно-следственных связей, времени и пространства.
- Результаты теста показывают, что ИИ приближается к человеческому уровню здравого смысла.
Astra и Fable 5.1 обошли средний результат людей на SimpleBench (тест на здравый смысл)
SimpleBench проверяет бытовую логику, понимание времени, пространства и вопросов с подвохом. Например, задача может отвлекать подсчётом кубиков льда, хотя их кладут на горячую сковороду и нужно учитывать, что они растают. Описание теста
То есть: модели стали лучше справляться с простыми по смыслу задачами, на которых раньше нелепо ошибались, , ещё немного и we are cooked 👨🍳
Кратко (AI)
Модели Astra и Fable 5.1 успешно прошли тест SimpleBench, который оценивает способность ИИ к здравому смыслу и пониманию бытовых ситуаций. Результаты моделей оказались выше средних показателей людей, что свидетельствует о значительном прогрессе в решении задач на логику и понимание физического мира.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖