Tema
Hugging Face presentó el Open Agent Leaderboard y Exgentic, un benchmark abierto que evalúa sistemas de agentes completos en seis benchmarks midiendo calidad y costo, con todo el código y la metodología públicos.
Notas
Hugging Face presentó el Open Agent Leaderboard y Exgentic, un benchmark abierto que evalúa sistemas de agentes completos en seis benchmarks...
Notas
La llegada masiva de herramientas como ChatGPT está transformando qué tareas sirven para aprender y obliga a cambiar evaluaciones y práctica...
Notas
DeepMind lanzó un marco de 10 capacidades cognitivas y un hackathon en Kaggle con US$200.000 en premios para diseñar evaluaciones prácticas.