CRUX प्रोजेक्ट ने अग्रिम एआई क्षमताओं के परीक्षण के लिए 'ओपन-वर्ल्ड इवैल्यूएशन' का प्रस्ताव रखा
मूल शीर्षक:Open-world evaluations for measuring frontier AI capabilities
AI सारांश
17 शोधकर्ताओं द्वारा गठित CRUX प्रोजेक्ट वास्तविक दुनिया के परिदृश्यों में एआई क्षमताओं का परीक्षण करने के लिए 'ओपन-वर्ल्ड इवैल्यूएशन' का उपयोग कर रहा है। अपने पहले प्रयोग में, एक एआई एजेंट ने सफलतापूर्वक एक iOS ऐप विकसित किया और उसे App Store पर रिलीज़ किया। इस प्रक्रिया में केवल दो त्रुटियाँ आईं और लागत लगभग 1000 डॉलर रही, लेकिन इसने एआई-संचालित ऐप स्टोर स्पैम के जोखिमों को भी उजागर किया है।
मुख्य जानकारी
- 17 शोधकर्ताओं द्वारा गठित CRUX प्रोजेक्ट वास्तविक दुनिया के परिदृश्यों में एआई क्षमताओं का परीक्षण…
- एक एआई एजेंट ने सफलतापूर्वक एक iOS ऐप विकसित किया और उसे App Store पर रिलीज़ किया। इस प्रक्रिया…
- लेकिन इसने एआई-संचालित ऐप स्टोर स्पैम के जोखिमों को भी उजागर किया है।
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 70
这篇提出「开放世界评估」概念,用发布 iOS 应用的实验证明 agent 已接近自主完成端到端真实任务,这给评估方法论和 App Store 反垃圾都敲了警钟。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: CRUX प्रोजेक्ट ने अग्रिम एआई क्षमताओं के परीक्षण के लिए 'ओपन-वर्ल्ड इवैल्यूएशन' का प्रस्ताव रखा। 17 अप्रैल 2026। https://new.nat6.net/hi/news/cms3fv5il00ofrondzp68ytt6/