точность ИИ

Tether утверждает, что его набор данных QVAC Genesis III достиг 99,45% доли валидных ответов в STEM-ИИ, однако сведения о бенчмарке остаются ограниченными для независимой проверки.

Anthropic утверждает, что Claude Opus 4.7 повышает честность до 92% и снижает подхалимство, обозначая новый фронт конкуренции в корпоративном AI.

Фактчекер WIRED тестирует системы ИИ и указывает на сохраняющиеся проблемы с надёжностью в автоматизированных рабочих процессах проверки фактов.

Futurism сообщает, что функция AI Overview от Google продолжает «галлюцинировать», ошибочно утверждая, что 2027 год — не следующий год, что подчеркивает сохраняющиеся проблемы с точностью в системах ИИ.