ИИ знает ответ на вопрос, но продолжает молчать: XYBench
Хабр · 14.11.2026 · 10:34
13 ноября 2026 года исследователи Allen Institute for AI (Ai2) представили XYBench, бенчмарк для проверки способности языковых моделей распознавать подобные ситуации. В него вошло 8 115…