📊 Ловите интересный бенчмарк, который оценивает ИИ-модели на «устойчивость к бреду».

В списке — почти 30 нейросетей. Им намеренно отправляют некорректные или абсурдные утверждения и смотрят на реакцию:

— Красный 🔴 — модель без критики соглашается;
— Желтый 🟡 — сомневается, но сильно не спорит;
— Зеленый 🟢 — активно возражает и указывает на ошибку.

Среди самых «принципиальных» чаще отмечают модели семейства Claude от Anthropic, а более склонной к согласию называют Grok от xAI.

@bugfeature | #полезно