GDPx duyuruldu: En iyi ajan yalnızca %12 alabildi

SemiAnalysis, yapay zekâ ajanlarının gerçek yeteneklerini ölçen yeni kıyaslama testi GDPx'i yayımladı.

Sınır seviyesindeki en güçlü modeller bile testte yalnızca %12 başarı elde edebildi. Test, çip tasarımı, siber güvenlik ve biyoloji gibi yüksek değerli alanlara odaklanıyor.

Klasik testlerin çoğu sınır modelleri ölçmekte yetersiz kalıyor ve hızla doygunluğa ulaşıyor. GDPx ise yapay zekâyı teorik sınavlar yerine çip tasarımı, biyoloji ve siber savunma gibi yüksek değerli işlerde sınıyor. En iyi modelin dahi %12'de kalması bu zorluğu gösteriyor.

Bu ölçüm neden önemli? Ajanları pazarlama iddiaları yerine gerçek ekonomik katkısına göre kıyaslamak gerekiyordu. Şirketler ve geliştiriciler için hangi modelin zorlu işlerde sahiden çalıştığını gösteren çok daha güvenilir bir referans standardı oluşuyor.