#llm

SPINEという新しいarXivベンチマークは最大25ターンにわたってモデルと議論します。評価した7システムすべてで、会話が長くなるほど陥落率が上がりました。

Sunoのv6世代はWarner、BMG、Believeからライセンスを受けたカタログで学習した。以前の学習データは一切引き継いでいないと同社は説明する。

arXivの研究で、LLM修復ループが正しいプログラムを壊す率は0.261、バグを直す率は0.023だった。著者らはその挙動を駆動する内部方向まで突き止めた。