Нито един AI агент не надхвърля 12% в бенчмарка GDPx
SemiAnalysis представи GDPx — тест, който поставя AI агентите в симулирана професионална среда, вместо да проверява знанията им чрез въпроси. Оценяването включва 206 задачи в 11 области, сред които проектиране на чипове, биология, количествена търговия, киберсигурност и право. Агентите могат да работят до осем часа със софтуер като Siemens NX, големи хранилища от документи и симулирани корпоративни системи. Администрацията и застраховането не са включени.