پژوهش
Google و Mercor آزمون تازه‌ای برای سنجش ایجنت‌ها در کار مهندسی ساختند؛ در PLE هیچ مدل پیشرویی به نمره ۵۰ درصد نرسید
Google Cloud AI Research و Mercor مجموعه PLE را منتشر کردند: ۸۵ کار طولانی مهندسی مکانیک، برق، عمران و سازه که ایجنت‌ها باید با پرونده‌های واقعی پروژه و زیر بررسی‌های سخت ایمنی انجام دهند. بهترین پیکربندی در مجموعه پنهان…