habr.com /1 month ago

Период полураспада бенчмарка ИИ сократился вдвое: 19 месяцев вместо 38

В мае я подал OenoBench, винный бенчмарк для языковых моделей, на NeurIPS. В дискуссии с ревьюерами всплыл вопрос, на который ни у меня, ни у них не было опоры: какой результат на...

Read source
runet.news /3 weeks ago

Redmi K100 протестировали в Geekbench

За 3 дня до официальной премьеры Redmi K100 засветился в базе бенчмарка Geekbench перед презентацией 28 октября Устройство проходит под обозначением Xiaomi M786BC. В базе Geekbench...

Read source
habr.com /1 month ago

WebPageBench: веб-среда для оценки агентов

Веб-агент сообщил «готово» — а сделал ли? На живых сайтах это не проверить: контент меняется, а судить приходится либо по словам самого агента, либо через LLM-судью, который тоже о...

Read source
computerra.ru /1 month ago

Складной iPhone Duo удивил производительностью в Geekbench

Источник: Компьютерра - Журнал о науке и технологиях Еще не вышедший iPhone Duo появился в базе данных популярного бенчмарка Geekbench. Несмотря на компактный корпус и использован...

Read source
mees.com /1 month ago

Benchmark Crude Prices ($/B)

...

Read source

Turn fresh research into a full content calendar

Use SocialBu to discover ideas, generate post drafts, and schedule them across your social channels.