💡 روشی برای بررسی دقیق‌تر معیارهای سنجش هوش مصنوعی
به‌گزارش AllenAI، ابزار BenchMIRT با بررسی تک‌تک پرسش‌ها نشان می‌دهد آزمون‌های هوش مصنوعی چه توانایی‌هایی را می‌سنجند. بررسی ۱۶ معیار و بیش از ۳۴ هزار پرسش، دو توانایی اصلیِ استدلال عمومی و ایمنی را مشخص کرد؛ همچنین در بعضی آزمون‌ها، مانند BBQ، نتیجه‌ها بیش از آن‌که به ایمنی مربوط باشند، با استدلال ارتباط داشتند. 🤖📊
✅واحد هوش مصنوعی مؤسسه مصاف
🆔 @MasafAi
Post #243482
3.53K