Tag: Benchmarks

1. Benchmark 68 soal Erdős tak terpecahkan yang sulit diakali model (epoch.ai)
   AI · baru saja · 14 September 2026
2. SWE-2 dari Cognition mengejar biaya per tugas, bukan skor tertinggi (cognition.com)
   AI · 2 hari lalu · 11 September 2026
3. DeepMind uji model frontier lewat benchmark double-blind (deepmind.google)
   AI · 2 minggu lalu · 29 Agustus 2026
4. Sembilan pertanyaan yang ingin dijawab Epoch lewat benchmark AI (epoch.ai)
   AI · 2 minggu lalu · 27 Agustus 2026
5. Agent masih gagal di sebagian besar migrasi Java enterprise (huggingface.co)
   AI · 2 bulan lalu · 3 Juli 2026

← semua tag