OpenAI представила бенчмарк LifeVal для оценки помощи ИИ в повседневных задачах
OpenAI представила LifeVal — новый бенчмарк для измерения того, насколько эффективно искусственный интеллект помогает людям решать повседневные задачи. Тестирование охватывает широкий спектр сценариев, включая поиск услуг по уходу за детьми, управление финансами и работу с государственными документами.
Читать в первоисточнике — OpenAI ↗
Ещё в ленте
Axiom Math формализовала доказательство теоремы о классификации конечных простых групп
Компания Axiom Math заявила о завершении полной формализации Теоремы о классификации простых конечных групп (CFSG) с помощью агентов. Исходное доказательство этой фундаментальной математической теоремы занимало свыше 15 тысяч страниц более чем в 500 публикациях. В формализованном виде на языке Lean доказательство составило 41,3 млн строк кода.
Разработан плагин для интеграции LLM-агента в КОМПАС-3D
Разработчик создал плагин, позволяющий ИИ-агенту на базе LLM работать в САПР КОМПАС-3D. Система способна открывать модели, строить и редактировать детали, управлять сборками и оформлять чертежи. Проект демонстрирует возможности и текущие ограничения применения языковых моделей в инженерном 3D-моделировании.
Сложности интеграции генеративного ИИ в архитектуру корпоративных систем
Внедрение LLM-агентов и генеративного ИИ требует пересмотра классических подходов к архитектуре из-за недетерминированного поведения вероятностных компонентов. Основной сложностью для энтерпрайза остается встраивание таких решений в существующий ландшафт с учетом легаси, требований безопасности и регуляторики. В материале рассматривается практический опыт адаптации процессов проектирования под новые реалии.
На конференции SQAdays обсудили влияние искусственного интеллекта на разработку
Прошла очередная конференция SQAdays, половина выступлений на которой была посвящена практическому использованию искусственного интеллекта в тестировании и разработке. Участники обсудили трансформацию рабочих процессов, включая вайбкодинг прототипов и изменение роли тестировщиков в новых условиях. В опубликованном отчете собраны ключевые выводы дискуссий и конспекты докладов.