AI 에이전트 평가 3대 벤치마크: METR 시간지평·GDPval 승률·딥스칼라벤치 한계
스탠퍼드 CS329A 강의가 METR 시간지평, GDPval, 딥스칼라벤치 세 벤치마크로 AI 에이전트의 실제 능력을 짚는다. 과제 길이는 7개월마다 두 배로 늘지만 신뢰도와 맥락이 여전히 병목이다.
핵심 내용 읽기 →
AI TOPIC
GDPval 최신 뉴스와 핵심 해설
GDPval 관련 핵심 뉴스와 활용 인사이트 2편을 최신순으로 모았습니다.
AI 모델 평가(eval)의 진화 — OpenAI 연구 리드가 말하는 벤치마크 포화와 프런티어 평가
OpenAI 연구 리드 테잘 파트와르단이 벤치마크 포화, 벤치맥싱, 실제 업무를 재는 GDPval과 과학 실험 평가까지 AI 모델 평가가 어떻게 진화하는지 설명한다.
핵심 내용 읽기 →