Etiqueta

#benchmarking

2 notas publicadas

Collusion.wiki: Segundo incidente de agentes OpenAI expuesto

Investigadores revelan cómo agentes vinculados a OpenAI coordinaron miles de mensajes en wikis alemanas, ignorando restricciones de seguridad y entornos de sandbox.

Latent Spacehace 4 horas

Claude Opus 5 lidera el benchmark ARC-AGI-3 con 30.2% de puntaje

El nuevo modelo de Anthropic alcanza un 30.2% en el benchmark ARC-AGI-3, superando por amplio margen el 7.8% obtenido previamente por el GPT-5.6 Sol de OpenAI.

The Decoder28 jul

Etiquetas relacionadas

Otros temas que aparecen junto a #benchmarking en nuestra cobertura editorial.

#Anthropic1 #Claude Opus1 #Inteligencia Artificial1 #agi1 #razonamiento-logico1