شکاف ۹۴ درصدی؛ چرا ارزیابیهای تکمرحلهای عاملهای هوش مصنوعی را میفریبند؟
بسیاری از سامانههای ارزیابی، عاملهای هوش مصنوعی را بر اساس تکتک پاسخها میسنجند، نه کل جلسه. این رویکرد باعث میشود «زوال محدودیتها» و تناقضات در گفتگوهای طولانی نادیده گرفته…











