Сегодня 07 февраля 2025
18+
MWC 2018 2018 Computex IFA 2018
реклама
Новости Software

OpenAI Deep Research показал рекордный результат в сложнейшем «Последнем экзамене человечества»

Менее двух недель назад эксперты в области искусственного интеллекта представили крайне сложный тест Humanity's Last Exam, предназначенный для оценки передовых нейросетей. Список лидеров в этом испытании возглавили два проекта OpenAI: o3-mini и Deep Research.

 Источник изображения: scale.com

Источник изображения: scale.com

Бенчмарк, созданный экспертами со всего мира, содержит крайне сложные вопросы и задания на знания и рассуждения — даже некоторые люди не могут понять отдельные вопросы в нём, не говоря уже о том, чтобы дать на них ответ. Вскоре после своего выхода список лидеров на экзамене возглавила рассуждающая модель ИИ DeepSeek R1, давшая 9,4 % правильных ответов. Обогнать её смогли модели OpenAI o3-mini с результатом 10,5 % и o3-mini-high, набравшая 13 % — последняя действительно мощнее, но и работает она медленнее. Но более впечатляющим стал результат, который показал ИИ-агент OpenAI Deep Research — он набрал 26,6 %, с ходу побив тем самым предыдущий менее чем за 10 дней.

Сравнение не вполне корректное, потому что Deep Research имеет возможность производить поиск информации, а у традиционных моделей ИИ она отсутствует. И в случае Humanity's Last Exam эта возможность имеет критическое значение, ведь некоторые из вопросов нацелены на проверку знаний. Тем не менее, системы ИИ постоянно улучшают свои результаты, и это заставляет задуматься, когда одна из них сдаст экзамен с высшим баллом. OpenAI Deep Research — чрезвычайно мощный инструмент, предназначенный для работы в качестве персонального аналитика. Он проводит исследования, составляет отчёты и готовит ответы, на которые у человека ушли бы несколько часов.

Источник:

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.
Материалы по теме

window-new
Soft
Hard
Тренды 🔥
«Масштабы поразительны»: Meta незаконно раздавала на торрентах терабайты книг и фильмов, заявили правообладатели 1 мин.
Британские силовики потребовали от Apple возможность следить за всеми пользователями 2 ч.
«Яндекс» дополнил корпоративный браузер безопасным хранилищем для защиты от утечек данных 2 ч.
Commandos: Origins взяла курс на релиз, но не всем отрядом — дата выхода приквела легендарной тактической серии 3 ч.
Microsoft сделала более приватным режим «Инкогнито» в Chrome для Windows, но никому не сказала 3 ч.
«Просто волшебно»: художник поразил фанатов The Elder Scrolls V: Skyrim реалистичной версией Высокого Хротгара на Unreal Engine 5 4 ч.
Хакеры заполучили координаты миллионов смартфонов — за это брокер данных Gravy Analytics ответит в суде 5 ч.
«Яндекс» возродит «Игромир» и российский Comic Сon — их не проводили с 2019 года 6 ч.
«Игры будущего» преследует прошлое — с организаторов турнира требуют более полумиллиарда рублей 6 ч.
Конкурент Netflix потерял 700 тысяч подписчиков за квартал и поднимет цены, чтобы это компенсировать 6 ч.