OpenAI が Pacific Northwest National Laboratory and OpenAI partner to accelerate federal permitting をリリース ── 政府の書類仕事をAIでガチっと加速させる新ベンチマーク登場
OpenAIとPNNLが政府許認可の効率化を狙う新ベンチマークを導入、15%の時間短縮へ。
-
-
OpenAI が SWE-bench Verified 評価の停止を表明 ── ベンチマーク汚染が招いたスコア崩壊
OpenAI、SWE-bench Verified評価の停止を表明。汚染とテスト不備によりスコアの信頼性が低下したため、SWE-bench Proへの移行を推奨。
-
OpenAI が Our First Proof submissions を公開 ── 専門レベルの数学問題に挑戦した結果がコレ
OpenAIが数学チャレンジ「First Proof」の証明結果を公開。専門レベルの推論能力をテスト。