[Перевод] Бенчмарк для оценки LLM в задачах триажа security-находок
Я создал собственный бенчмарк для оценки языковых моделей, потому что стандартные публичные тесты не отвечают на мой главный вопрос: какая модель лучше справляется с триажем securi...