Claude leitet 26 % von Anthropics KI-Forschung. Wer prüft?
Laut Anthropic leitet Claude ein Viertel seiner KI-Forschung unter menschlicher Aufsicht. Ich prüfe, was die Zahl misst und wer die Ergebnisse kontrolliert.
model-evaluation
Alle Beiträge mit dem Tag model-evaluation, neueste zuerst.
Ähnliche KI-Benchmark-Werte verbergen große Unterschiede
Bei DeepSWE liegt Luna Max 2,2 Punkte hinter Sol High, doch Luna braucht fast dreimal so viele Schritte. Ich zeige, warum das in Repositorys zählt.