LLM бенчмарк «Испытание Дали» +6
Публикации с тегом бенчмарки
GPT-5.5 против DeepSeek-V4: почему OpenAI удваивает цены, пока Китай демпингует +3
DORA-метрики: как собирать, интерпретировать и не переусердствовать, часть 2 +4
Руководство по анализу и настройке производительности для современных процессоров. Анонс книги +9
- Блог компании Издательство БХВ
- Программирование
- Процессоры
- Серверная оптимизация
- Профессиональная литература
Claude Mythos, Java 26 и пещерный человек с 16 000 звёзд на GitHub +7
EVGeoQA: Оценка LLM в динамическом, многоцелевом геопространственном поиске -1
ИИ-бенчмарки больше не работают. И вот что с этим делать
Глухой телефон для ИИ: мы замерили физику LLM-графов и поняли, почему добавление агентов всё ломает +1
Kimi K2.5 наступает на пятки GPT-5.4. И работает из России без VPN +7
DeepMind определил тест для AGI +5
Какая ИИ-модель лучше пишет код? Тестирую 8 популярных моделей на реальной задаче в opensource-проекте +18
9 агентов, 6 моделей, 1 сервер: как собрать ИИ-компанию на open-source в марте 2026 -1
MWS Vision Bench: первый русскоязычный бенчмарк для бизнес‑OCR в эпоху мультимодалок +12
- Блог компании MWS AI
- Блог компании МТС
- Искусственный интеллект
- Машинное обучение
- Управление разработкой
HeroBench: проверяем, как LLM справляются со сложным планированием в виртуальных RPG-мирах +7
- Блог компании AIRI
- Natural Language Processing
- Машинное обучение
- Искусственный интеллект
- Программирование
Часть 5. Обзор техник оценки качества систем RAG +3
