OpenAI разобрала шум в бенчмарках кода: SWE-Bench Pro оказался ненадёжным
Новый анализ OpenAI выявил системные проблемы в популярном бенчмарке SWE-Bench Pro. Компания утверждает, что значительная часть результатов на тестах генерации...
Тема COMRAD404
OpenAI — страница 10
186 материалов
Исход руководителей OpenAI усилил роль Грега Брокмана
На фоне ухода нескольких руководителей Грег Брокман, по данным The Verge, получил контроль над ключевыми операционными направлениями OpenAI — от...
Главный научный сотрудник OpenAI связал развитие мощных моделей с защитой от угроз ИИ
Якуб Пахоцки назвал создание защитных систем одним из главных аргументов в пользу быстрого развития более мощных моделей ИИ, но предупредил,...
Трое туристов доверились Gemini и застряли на горе — в ту же неделю OpenAI объявила об эре AGI
Трое альпинистов последовали совету Gemini, взяли минимум еды и воды и заночевали на склоне Маунт-Шаста. Спасатели нашли их на следующее...
Саймон Уиллисон выпустил августовский дайджест об LLM и ИИ-инструментах
Саймон Уиллисон анонсировал августовский выпуск рассылки для спонсоров. Среди заявленных тем — Claude Auto Mode, ChatGPT Work, релизы моделей и...
OpenAI ужесточает сторонние кибероценки моделей после инцидентов с внешними тестами
OpenAI сообщила о проблемах в сторонних кибероценках своих моделей и описала новые меры для более контролируемого тестирования. Для разработчиков это...
OpenAI раскрывает детали кибербезопасности Astra: модель достигла критического порога
OpenAI опубликовала предварительные оценки кибербезопасности для модели GPT-6 Astra. Система впервые достигла «критического» уровня по внутренней классификации Preparedness Framework, что...
Внутренние кодинг-агенты OpenAI: как ускоряются исследования и почему это важно для безопасности
OpenAI опубликовала данные о том, как внутренние кодинг-агенты меняют темп и сложность AI-исследований. Параллельно компания делится опытом мониторинга таких агентов...
Мэтт Шумер построил с GPT-6 Astra симуляцию AI-общества
В игровом мире поселили агентов Astra, которые распределяют задачи и строят убежища. Главный результат кейса — не автономное сознание, а...
Клэр Во проверила GPT-6 Astra на CRM, QA и мини-компьютере
Один hands-on тест охватил CRM, браузерный QA, продуктовую разработку и управление мини-компьютером. Разбираем, где Astra доводит задачу до результата.