Tag: Evaluation

1. Menguji AI di dunia nyata, bukan cuma di benchmark (normaltech.ai)
   AI · 13 jam lalu · 17 Mei 2026
2. Pilihan benchmark menentukan apakah open model dianggap jauh tertinggal (interconnects.ai)
   AI · 1 hari lalu · 16 Mei 2026
3. Satu angka benchmark menyembunyikan pekerjaan apa yang benar-benar dikuasai model (interconnects.ai)
   AI · 3 minggu lalu · 20 April 2026
4. DeepMind usulkan kerangka kognitif untuk mengukur kemajuan menuju AGI (blog.google)
   AI · 2 bulan lalu · 17 Maret 2026
5. Uji Tabrak GPT-4: Evaluasi Kapabilitas Berbahaya Pertama (asteriskmag.com)
   AI · 2 tahun lalu · 1 Juni 2023

← semua tag