Появился имбовый бенчмарк, где LLM тестят на умение распознавать бред в промпте

На пикче зелёным цветом обозначен процент, когда нейронка распознала дичь, предлагаемую юзером, и указала на это. Жёлтым — частичное возражение. Красным — пропуск.

Получилось, что все модели Клода — непробиваемые. Если несёте ахинею, то они вам непременно скажут об этом 🫵

Пет-проект