Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ny forskning på 445 AI-benchmarks
• 48 % er uenige i hva de måler
• 39 % bruker praktiske, ikke riktige data
• 16 % tester statistisk signifikans
Vi vet fortsatt ikke hvordan vi skal måle våre kraftigste verktøy
IMO behandler evals som sport, ikke SAT
konkurranse > tester
klare regler - > menneske-forståelige resultater
Topp
Rangering
Favoritter