Evaluare: alphaXiv măsoară cercetarea autonomă cu OpenResearch Intelligence Index, un detector de texte IA urcă în clasamentul RAID, dar pierde teren în afara benchmarkului
alphaXiv publică primele rezultate ale OpenResearch Intelligence Index, un benchmark care măsoară capacitatea modelelor de a desfășura o cercetare de la un capăt la altul.