Claude Fable 5.2 заняла первое место в новом тесте для изображений в области наук о жизни, а после подключения инструментов её результат почти удвоился.
В статье Crypto Briefing объясняет этот результат интеграцией инструментов: показатели одной и той же модели сильно различаются в зависимости от того, использует она инструменты или нет. Это означает, что при оценке таких моделей способы использования инструментов и их экономическая эффективность сами по себе становятся переменными, а оценивать только результат модели без инструментов недостаточно.
· В статье акцент сделан на экономической эффективности и стратегии вызова инструментов, а не на биологических знаниях самой модели.
Оценивая такие модели, вы сначала смотрите на результат без инструментов или на результат с их использованием?
В статье Crypto Briefing объясняет этот результат интеграцией инструментов: показатели одной и той же модели сильно различаются в зависимости от того, использует она инструменты или нет. Это означает, что при оценке таких моделей способы использования инструментов и их экономическая эффективность сами по себе становятся переменными, а оценивать только результат модели без инструментов недостаточно.
· В статье акцент сделан на экономической эффективности и стратегии вызова инструментов, а не на биологических знаниях самой модели.
Оценивая такие модели, вы сначала смотрите на результат без инструментов или на результат с их использованием?
