İçeriğe geç

Konu

metodoloji

1 özet

8 Temmuz 2026 Bozuk benchmark: testin kendisini denetlemek Model yeteneklerini doğru ölçmek, dağıtım ve güvenlik kararları için kritik. Değerlendirmelerin kusurlu olması sadece bir sayıyı bozmaz — yetenekler hakkında yanlış bir anlayış ya… OpenAI Research