#Бенчмарки ШІ

У реальному тесті майже три чверті завдань від ШІ-агентів потребували ручного доопрацювання

Дослідники Alibaba протестували кодувальних агентів на реальних завданнях. Найкраща модель долає лише 1 із 4 завдань, що викриває простоту попередніх тестів.