TenetBench: метод оценки соответствия ответов LLM профессиональным кодексам
Ответы языковых моделей в роли ИИ-ассистентов могут противоречить профессиональной этике пользователей, даже если система предупреждает о конфликте. В исследовании TenetBench был разработан метод формирования подобных рабочих задач на основе кодексов для проверки ответов на соответствие нормам.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Anthropic подала заявку по форме S-1 в SEC для подготовки к IPO
Компания Anthropic направила в SEC форму S-1 объемом более 300 страниц в рамках подготовки к первичному публичному размещению акций. Документ раскрывает инвесторам информацию о бизнесе компании, включая заработки руководства, планы по использованию привлеченных средств и возможные риски.
Документы Anthropic к IPO раскрыли стратегию удержания клиентов
Согласно форме S-1, более половины клиентов Anthropic с контрактами от 100 000 долларов используют одновременно Claude Platform и собственные приложения компании. Такая стратегия перекрестных продаж напоминает модель Amazon. Этот подход позволяет компании эффективнее удерживать корпоративных заказчиков.
SpaceX привлекла $40 млрд на закупку ИИ-чипов и оборудования для дата-центров
SpaceX заключила обязывающее соглашение о финансировании на сумму около $40 млрд для оплаты ИИ-чипов и сопутствующего оборудования для дата-центров. Об этом компания сообщила в регуляторной отчетности. В заявлении SpaceX охарактеризовала сделку как крупнейшее в истории финансирование под закупку GPU.
Anthropic: замена роя ИИ-агентов на одного повышает качество и снижает расходы
Представитель Anthropic Diane Sarkis опубликовала статью об оптимизации архитектуры ИИ-агентов. В материале показано, что замена множества субагентов на одного агента с инструментами часто приводит к росту качества работы, а также сокращает затраты и время выполнения задач. Выводы ставят под сомнение эффективность использования большого числа узкоспециализированных агентов.