Yapay Zekâ Komutu Doğru Yazdı ama Sistem Bozdu: QuoteBench Ne Gösteriyor?
QuoteBench, yapay zekâ ajanlarında modelin doğru ürettiği komutun taşıma ve ayrıştırma katmanında nasıl bozulduğunu ölçtü. Başarı bazı yapılandırmalarda 73,2 puana ...
Devamını okuDetails
