नवीन चाचणी तपासते की AI एजंट दैनंदिन खरेदीची कामे किती चांगली हाताळतात
LifeVal नावाच्या नवीन संशोधन पेपरमध्ये AI मॉडेल्सची वैयक्तिक कामांवर चाचणी घेण्याची एक पद्धत मांडली आहे. ग्राहक AI कडून ज्या प्रकारची कामे मागू शकतात, त्यांवर ही चाचणी केंद्रित आहे. यात agentic कामांवर भर दिला आहे, म्हणजे AI फक्त प्रश्नाचे उत्तर देत नाही, तर अनेक टप्प्यांची कृती स्वतः पार पाडते. हा पेपर वेगवेगळे मॉडेल्स अशा प्रत्यक्ष कामांमध्ये किती चांगले काम करतात हे दाखवण्याचा प्रयत्न करतो.
सोपा शब्दकोशLifeVal, agentic, benchmark
- LifeVal
- एका नवीन संशोधन पेपर आणि चाचणीचे नाव, जी AI मॉडेल्स ग्राहकांची वैयक्तिक कामे किती चांगली करतात हे मोजते.
- agentic
- असे AI जे स्वतःहून अनेक कृतींची योजना करून काम पूर्ण करू शकते, फक्त प्रश्नांची उत्तरे देण्यापुरते मर्यादित नसते.
- benchmark
- वेगवेगळ्या AI मॉडेल्सची एकमेकांशी तुलना करण्यासाठी वापरली जाणारी प्रमाणित चाचणी किंवा कामांचा संच.
बर्निंग पोटॅटो स्कोअर: 71%