HarvestBench: первый бенчмарк, измеряющий готовность LLM-агентов платить за отказ от убийства животных
Новый бенчмарк HarvestBench проверяет, сколько «топлива» LLM-агенты готовы потратить, чтобы объехать животное на поле, а не переехать его. Результаты показали разброс от 0,4% до 98,8% убийств — и это не связано с интеллектом модели.
Открыть материал →