В «Яндексе» и ШАД представили открытый бенчмарк MTGBench для оценки качества рассуждений нейросетей
Источник: Хабр
Инженеры из «Яндекса» и студенты Школы анализа данных разработали и опубликовали в открытом доступе проект MTGBench . Это набор тестов для нейросетей, который оценивает способность ИИ-систем рассуждать при выполнении сложных многоэтапных задач. Читать далее
Читать полностью на сайте «Хабр» →Материал опубликован на сайте источника. На «Единый портал вестей» размещены только заголовок и краткий анонс; права на текст и изображения принадлежат Хабр.
Ещё в рубрике «Технологии»
Почти два года во льдах: зачем учёные дрейфовали рядом с Северным полюсом
В октябре 2025 года дрейфующая станция «Северный полюс-42» оказалась примерно в 50 километрах от географического полюса. Вокруг — морской лёд, под ним — Северный Ледовитый океан. К этому моменту экспедиция работала уже год. Впереди оставались ещё несколько месяцев наблюдений и выход из тяжёлых…
Ferra
Налог на родной язык: общение с ИИ не по-английски обходится до 17 раз дороже
Исследователи доказали появление нового вида цифрового неравенства. Если двадцать лет назад под этим понимали ограничение доступа к интернету, то с появлением ИИ выяснилось, что стоимость обработки запросов в разы отличается для наиболее и менее распространённых языков. Это ограничивает носителей…
3DNews
Opera представила WebAI — теперь браузер сможет запускать ИИ прямо на компьютере без облака
Opera представила WebAI — новый веб-стандарт для локального развёртывания и запуска ИИ-моделей непосредственно в браузере пользователя без использования облака. В Opera подчёркивают, что WebAI не привязан к конкретной архитектуре и поддерживает различные ИИ-системы с открытыми весами, включая…
3DNews
«Крестовый поход» главы Epic Games против Steam не удался — сообщество встало на сторону Valve
Генеральный директор Epic Games Тим Суини (Tim Sweeney) продолжает критиковать игровую платформу Steam и лично её основателя и руководителя Гейба Ньюэлла (Gabe Newell). В социальной сети X он написал, что Steam «годами тормозит развитие игровой индустрии». По мнению игрового сообщества, Суини…
3DNews
Минцифры продвигает идею ограничить зарубежный интернет для всех россиян — но пока это труднореализуемо
Минцифры РФ обсуждает новые ограничения в рамках готовящейся реформы телекоммуникационной отрасли. Ведомство предлагает пропускать весь трафик, связанный с зарубежными доменами, через технические средства противодействия угрозам (ТСПУ) и ограничивать его объем для российских пользователей. Однако…
3DNews
Атака на VMmanager 6 — хронология инцидента, разбор использовавшихся уязвимостей и ситуация сейчас
Привет, Хабр. Наверняка многие из вас уже слышали о недавнем инциденте безопасности, затронувшем платформу управления виртуализацией VMmanager 6. Ситуация вызвала активные обсуждения в профессиональном сообществе, и мы считаем важным открыто поделиться техническими деталями произошедшего. В этой…
Хабр