벤치마크
-
DeepRSI: AI 에이전트가 48시간 동안 ML 연구 코드를 얼마나 개선하나
Hillclimb이 만든 48시간짜리 ML 연구 벤치마크 DeepRSI의 초기 리더보드를 정리했어요. 순위가 시간에 따라 바뀐 점, 비공개 검증기로 잡아낸 점수 꼼수 사례, 한계를 함께 봐요.
-
아레나, 2억 달러 투자·기업가치 31억 달러 — ‘정렬 지수’ 미리보기에서 클로드 오퍼스 5.5는 라이브 리더보드 6위
AI 모델 비교 사이트 아레나가 2억 달러 시리즈 B를 받고, AI 에이전트가 허락 없이 행동하거나 거짓 완료를 보고하는 빈도를 재는 정렬 지수 미리보기를 내놓았습니다. 10월 12일 라이브 리더보드 기준 순위와…