CRUX : évaluer les capacités des IA de frontier sur des tâches complexes

Lancement de CRUX, un cadre d'évaluation conçu pour mesurer les capacités des modèles IA avancés sur des tâches longues et non structurées Approche « open-world » qui simule des environnements réalistes plutôt que des benchmarks isolés, pour évaluer la robustesse et l'adaptabilité Vise à combler l'écart entre les évaluations académiques et les performances réelles des systèmes IA en conditions operationnelles