#mlebench — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #mlebench, aggregated by home.social.
-
MLE-bench: золото взято, а доказательства остались в /tmp
В апреле мой агент смог перешагнуть золотой порог на MLE-bench в агентских соревнованиях Berkeley RDI, а когда я решил показать «тот самый код, который взял золото» — понял, что не уверен, существует ли он вообще. Хабр, привет! Меня зовут Георгий, и в своей первой статье на площадке я решил разобраться, что же происходило на самом деле. Цифровой детектив: с чем я преодолел планку, где этот результат теперь (спойлер: нигде) и сколько смысла в этом «золоте». Это история о том, как я расследовал собственную «победу»
https://habr.com/ru/articles/1050562/
#MLEbench #AIагенты #автономные_агенты #AgentBeats #Kaggle #Spaceship_Titanic #LLM #провенанс #воспроизводимость #Gemini_25_Pro