Evaluación: alphaXiv mide la investigación autónoma con el OpenResearch Intelligence Index, un detector de textos de IA gana posiciones en RAID pero pierde fuera del banco de pruebas
alphaXiv publica los primeros resultados del OpenResearch Intelligence Index, un banco de pruebas que mide la capacidad de los modelos para llevar a cabo una investigación de principio a fin.