AI-chatbots zakken voor cultuurtest met raadsels uit 45 landen
Cohere Labs legde 28 AI-modellen raadsels uit 62 culturen voor. Het beste model haalde 79 procent, maar gokte liever dan 'weet ik niet' te zeggen.
Tag
#benchmark
3 artikelen
Microsoft-AI stelt vaker juiste diagnose dan algemeen artsen
Microsofts MAI-DxO vond in 83 procent van de lastige casussen de juiste diagnose, tegen 36 procent bij artsen. Wat de Science-studie wel en niet laat zien.
Kan AI zelf wetenschap doen? Vier agents halen 60 van de 100
Een nieuwe benchmark liet vier AI-agents 40 onderzoeksvragen blind uitzoeken. Ze scoorden allemaal rond de 59 punten. Waarom het plafond niet bij de code zit.