AI agentining yuqori bahosi qanday tekshirilmoqda
Dasturchi o'zining ELM nomli AI agentining sinov to'plamidagi yuqori baholarini shubha ostiga oldi. U agentning vazifani qanday bajarganini tekshirmoqda, chunki hatto oddiy "zaglushka" ham 34% natija ko'rsatgan. Bu AI agentlarini baholash usullari haqida savollar tug'diradi.