Thẻ
#benchmarks
2 bài viết

AI & Agents14 phút đọc
Google Harness² Là Gì: Tối Ưu Hóa Agent Đệ Quy Không Đổi Trọng Số
Giải mã Google Harness²: framework tối ưu hóa AI agent đệ quy hai tầng (task & harness level) với model đóng băng, tăng 11.8% hiệu năng mà không cần ground-truth.
#ai-agents#google-research#benchmarks

AI & Agents5 phút đọc
GLM-5.2 lên ngôi open weights - nhưng suy nghĩ hơi lâu
GLM-5.2 của Z.ai đứng đầu bảng open weights trên Artificial Analysis với 51 điểm, nhưng HN đang cãi về token bloat và benchmark có đáng tin không.
#glm-5-2#open-weights#llm