Новости

TasteVal: Measuring the Experimental Research Taste of AI Systems Against Human Experts

arXiv cs.AI · Опубликовано 5 октября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: TasteVal benchmark measures how efficiently AI models design and interpret experiments compared to human experts, using compute cost as the efficiency metric.
Почему это важно: Matters for AI researchers forecasting progress and for teams evaluating frontier models' ability to conduct autonomous experimental research.
На что обратить внимание: Tasks kept private to prevent contamination; results depend on fixed Coder agent quality; expert baseline uses best of 24 humans, potentially not representative.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 5 октября 2026 г. · 3 мин чтения

Что произошло: TasteVal benchmark measures how efficiently AI models design and interpret experiments compared to human experts, using compute cost as the efficiency metric.
Почему это важно: Matters for AI researchers forecasting progress and for teams evaluating frontier models' ability to conduct autonomous experimental research.
На что обратить внимание: Tasks kept private to prevent contamination; results depend on fixed Coder agent quality; expert baseline uses best of 24 humans, potentially not representative.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.