Новый бенчмарк Humanity's Sixth Sense показал, что современные ИИ-модели не способны считывать визуальный контекст на уровне человека, проваливая тесты на интуитивное понимание сцен.
Оборонный стартап Furientis привлек $25 миллионов в посевном раунде под руководством Benchmark, достигнув оценки в $125 миллионов для масштабирования производства ракет-перехватчиков.
Автор создал бенчмарк для проверки наличия субъективного опыта у LLM, показав, что большинство моделей отрицают его, но некоторые демонстрируют неопределенность или имитируют человеческие черты.
OpenAI выпустила MentalHealthBench — бенчмарк из 1215 диалогов для оценки способности ИИ-моделей вести консультации по вопросам ментального здоровья.
Фонд Benchmark привлек $2 миллиарда в два новых фонда, а его партнеры готовятся обсудить будущее венчурного рынка на конференции TechCrunch Disrupt 2026.
Fedora Linux работает быстрее Windows 11 в большинстве повседневных задач на ноутбуках Dell XPS 13 с 8 ГБ ОЗУ, согласно тестам PhoneBuff.
Исследование Microsoft Research с использованием бенчмарка DELEGATE-52 показало, что передовые ИИ-модели теряют до 50% точности документов в длительных рабочих процессах.
