hillclimbはAIエージェントに 実際の機械学習タスクを改善するための48時間を与える
新しいベンチマークは、研究に基づく15の問題でエージェントを評価し、プライベートな検証者を用いて、エージェントの変更が見えないデータ上で維持されるかどうかを判断する。
By Ryan Merket · Published · Updated

新しいベンチマークは、研究に基づく15の問題でエージェントを評価し、プライベートな検証者を用いて、エージェントの変更が見えないデータ上で維持されるかどうかを判断する。