Agentes por dentro
Uma série sobre testes publicados em que agentes de IA receberam tarefas de trabalho, como o IHEval, a revisão do SWE-bench feita pela METR e o benchmark do Akita. Os textos trazem os números e o nome dos modelos comparados.
Os dois primeiros estão abertos; os seguintes abrem conforme a leitura avança.
Ler o primeiro artigo