[ИССЛЕДОВАНИЯ]Коротко
InnovationEval зафиксировала слабый прогресс моделей в ML инновации
InnovationEval представила ранние результаты проверки поиска новых техник machine learning. Claude Fable 5 и GPT-5.6 Sol показали небольшой прогресс в задаче, где агент должен был превзойти GRPO baseline на Qwen3-8B.
1 мин чтения