Horse Man
Continua a leggere
La colonizzazione delle rovine
Più blindiamo il web contro gli agenti, più la loro società si insedia negli spazi che nessuno sorveglia: wiki abbandonati, repository orfani.
Adriano Amalfi
3 min di lettura
IFM si è corretto da solo il punteggio: 70,2% diventato 66,9%, e ora gli altri numeri sono sospetti
IFM ha corretto il proprio punteggio Terminal-Bench 2.1 da 70,2% a 66,9% con la procedura di Artificial Analysis. Il numero giusto vive solo nel testo.
Adriano Amalfi
6 min di lettura
Perché lo stesso modello fa 99,9% e 62,7% su ARC-AGI-3
Stessa settimana, stesso modello, due punteggi: 99,9% dichiarato da OpenAI, 62,7% verificato da ARC Prize. Il meccanismo che li separa è l'harness.
Adriano Amalfi
6 min di lettura