LLM-судьи оказались ненадежными оценщиками качества ответов
Исследование показало, что LLM-судьи часто ошибаются в оценке ответов, награждая уверенные, но неверные ответы, что искажает результаты тестирования на 10-20%.
Новости
24 октября 2026
- Anthropic представила Claude Duet — автономного агента для работы в фоне, как Dots
- Исследование: врачи чаще используют ИИ для выбора стратегии лечения, чем для диагноза
- Nvidia инвестирует в стартап Higgsfield, деньги пойдут на инфраструктуру и расширение штата
- Крупнейшие банки США начали блокировать ИИ-агентам доступ к счетам клиентов
- Google запускает Agent Compute Engine — изолированная виртуальная машина для ИИ-агентов
- В Google Cloud теперь доступны модели OpenAI наравне с Gemini и Claude
YouTube тайно тестировал ИИ-улучшение видео без уведомления создателей
Google тайно тестировала ИИ-улучшение видео на YouTube без уведомления создателей, что вызвало вопросы о прозрачности и этике подобных экспериментов.
Илон Маск подает в суд на Apple и OpenAI из-за эксклюзивной интеграции ChatGPT в iPhone
Илон Маск подает антимонопольный иск против Apple и OpenAI, пытаясь заблокировать эксклюзивную интеграцию ChatGPT в iOS. Суд может установить важные прецеденты для ИИ-интеграций.
ZenaTech приобретает британскую компанию 3D-дизайна для выхода на телеком-рынок дронами
ZenaTech расширяет услуги дронов как сервиса через поглощение британской компании 3D-моделирования для телеком-сектора с целью модернизации инфраструктуры 5G.
BonV Aero разрабатывает ИИ-дроны для работы в экстремальных условиях
BonV Aero разрабатывает ИИ-дроны для автономной работы в сложных условиях, включая оборону и гражданские сектора, с продвинутой навигацией и устойчивостью к помехам.
SpaceX в десятый раз переносит запуск Starship из-за неблагоприятных погодных условий
SpaceX перенесла десятый испытательный запуск Starship из-за неблагоприятных погодных условий. Миссия Flight 10 критически важна для отработки ключевых технологий многоразовой космической системы.
