+− THE DAILY DIFFdev & AI news
SHIP IT

Claude को 'नर्फ' कसरी पत्ता लगाउने (वास्तविक डेटाका साथ)

मानिसहरू भन्छन् कि Claude प्रत्येक लन्चको केही हप्तापछि सुस्त हुन्छ।

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

मानिसहरू भन्छन् कि Claude प्रत्येक लन्चको केही हप्तापछि सुस्त हुन्छ। एक विकासकर्ताले Claude Opus 5.5 लाई लन्च हप्ताबाट 30-दिने घडीमा राखे, जसमा स्थिर प्रश्नहरू, पिन गरिएको Claude कोड र सार्वजनिक नियमहरू थिए, र यसले देखाउँछ कि कसैले पनि पहिले कसरी थाहा पाउन सकेनन्, र किन तपाईंको टोकन गणना हेर्नु पर्ने कुरा हो। फैसला: SHIP IT.

लिखित संस्करण पढ्नुहोस् (अंग्रेजी) ↗

यो भिडियोले के समेट्छ

  • Claude लन्च पछि सुस्त हुन्छ: सिद्धान्तले शून्य-दिनको घडी भेट्छ
  • livenerf: Opus 5.5 को लन्च हप्ताबाट 30-दिने घडी
  • नर्फ कसरी समात्ने: 78 कहिलेकाहीँ-सही प्रश्नहरू
  • यसले के देख्न सक्छ: 7.5 अंक, र टोकन गणना पहिले सर्छ
  • अन्धा ठाउँ: Opus 5 स्वैप र 8 गलत उत्तर कुञ्जीहरू

प्रश्न र उत्तर

एआई मोडल लन्च भएपछि चुपचाप खराब भएको छ कि छैन भनेर कसरी परीक्षण गर्न सकिन्छ?

निश्चित समय तालिकामा उही जमेका प्रश्नहरू चलाउनुहोस् र तिनीहरूलाई सटीक मिलानका साथ ग्रेड गर्नुहोस्। लाइभनेर्फ (livenerf) रेपोले क्लाउड ओपस 5.5 मा 30-दिनको घडी चलाउँछ, दिनको एक पटक, कसैले सम्पादन गर्न नसक्ने लगहरूको साथ। यसले 78 प्रश्नहरू प्रयोग गर्दछ जसलाई मोडेलले कहिलेकाहीं मात्र सही जवाफ दिन्छ, किनभने यसले सधैं सही जवाफ दिने प्रश्न छोड्न सक्दैन। यसले क्लाउड कोड संस्करणलाई पिन गर्दछ, किनकि परिवर्तन गरिएको हार्नेस परिवर्तन गरिएको मोडेल जस्तो देखिन्छ।

यो भाग हेर्नुहोस् 1:24 · github.com · github.com

लाइभनेर्फ (livenerf) मिटरले कति आकारको गिरावट पत्ता लगाउन सक्छ?

दश-दिनको विन्डो अनुसार, मिटरले लगभग 7.5 अंकको गिरावट देख्न सक्छ। रिगले काम गर्छ भनेर प्रमाणित गर्न, लेखकले क्लाउडको प्रयासलाई जानाजानी कम गरे। कम प्रयासले आउटपुटलाई लगभग दुई तिहाइ र स्कोरलाई आठ अंकले घटायो। चुपचाप पुरानो ओपस 5 मा स्वैप गर्नु रिगले पत्ता लगाउन नसक्ने सानो परिवर्तन थियो, र readme ले सुरुमै यो कुरा भन्छ।

यो भाग हेर्नुहोस् 2:19 · github.com · github.com

एआई एजेन्टले कम सोचिरहेको छ कि छैन भनेर विकासकर्ताहरूले के ट्र्याक गर्नुपर्छ?

प्रति कार्य आउटपुट टोकन संख्या। लाइभनेर्फ (livenerf) परीक्षणहरूमा, कम सोच्ने कुरा उत्तरहरूमा देखा पर्नु अघि टोकन संख्यामा देखियो। यस घटनाले तपाईंको मोडेल संस्करण पिन गर्न, प्रति कार्य आउटपुट टोकनहरू लग गर्न, र आफ्नै केही जमेका प्रश्नहरू राख्न सुझाव दिन्छ। यदि तपाईंको एजेन्ट अचानक छोटो लेख्न थाल्छ भने, पहिले तपाईंको लगहरू जाँच गर्नुहोस्।

यो भाग हेर्नुहोस् 2:19 · github.com · news.ycombinator.com

एन्थ्रोपिक (Anthropic) ले उच्च माग हुँदा क्लाउडको गुणस्तर घटाउँछ भन्छ त?

एन्थ्रोपिक (Anthropic) ले गर्दैन भन्छ। यसको सेप्टेम्बर 2025 को पोस्टमोर्टेमले भन्छ कि यसले माग, दिनको समय वा सर्भर लोडका कारण मोडेलको गुणस्तर कहिल्यै घटाउँदैन। उही पोस्टले स्वीकार गर्दछ कि तीनवटा बगहरूले क्लाउडलाई घटाएको थियो, र क्लाउड कोड प्रयोगकर्ताहरूको लगभग एक तिहाइले कम्तिमा एक पटक गलत सर्भरहरूमा पुगेका थिए।

यो भाग हेर्नुहोस् 3:08 · www.anthropic.com

के लाइभनेर्फ (livenerf) परिणामहरूलाई क्लाउड नेर्फ देखाउनको लागि विश्वास गर्न सकिन्छ त?

द डेली डिफ (The Daily Diff) को फैसला परियोजनाको लागि शिप इट (SHIP IT) थियो, किनभने यो टाइमस्ट्याम्प, सार्वजनिक नियमपुस्तिका र तोकिएको ब्लाइन्ड स्पटको साथ पहिलो नेर्फ तर्क हो। यस एपिसोडले अक्टोबर 24 अघि यसलाई उद्धृत नगर्न भन्छ, किनभने तीस दिनमध्ये छ दिन मात्र भएको थियो र पहिलो सम्भावित कल त्यतिबेला आउँछ। अडिटले 8 उत्तर कुञ्जीहरू पनि फेला पारेको छ जुन गलत देखिन्छ।

यो भाग हेर्नुहोस् 4:50 · github.com · github.com · news.ycombinator.com

अनुवादित ट्रान्सक्रिप्ट

मूल अंग्रेजी कथाबाट अनुवादित। उपलब्ध अडियो र क्याप्सनहरू YouTube द्वारा नियन्त्रित हुन्छन्।

Claude लन्च पछि सुस्त हुन्छ: सिद्धान्तले शून्य-दिनको घडी भेट्छ

0:00 सबैलाई थाहा छ कि Claude लन्चको केही हप्तापछि सुस्त हुन्छ। त्यसैले एक विकासकर्ताले Opus 5.5 लाई लन्च हप्ताबाट घडीमा राखे, र घडीले भन्छ कि कसैले पनि अहिलेसम्म थाहा पाउन सकेको थिएन। यस भिडियोमा, तीन प्रश्नहरू। तपाईं कसरी 'नर्फ' समात्नुहुन्छ? यो मिटरले के देख्न सक्छ? र Anthropic ले के भन्छ? र रेपोको क्रेडिटमा एउटा लाइनले मलाई ठूलो स्वरमा हँसायो।

0:20 म अन्त्यमा त्यसको बारेमा बताउनेछु। आज सेप्टेम्बर तीस, बुधबार हो, र यो The Daily Diff हो। आज तीन कथाहरू, र सबैभन्दा ठूलो एउटा GitHub रेपो हो जसलाई live nerf भनिन्छ।

livenerf: Opus 5.5 को लन्च हप्ताबाट 30-दिने घडी

0:30 महिनादेखि, मानिसहरूले भनिरहेका छन् कि Anthropic ले लन्च पछि चुपचाप आफ्ना मोडेलहरूलाई 'नर्फ' गर्छ। सामान्य सिद्धान्तहरू एउटा निचोडिएको मोडेल, उही नाममा एउटा सानो मोडेल वा केवल कम सोच्ने कुरा हुन्। रेपोले अहिलेसम्मका प्रत्येक तर्कलाई 'vibe versus vibe' भन्छ। Opus 5.5 सेप्टेम्बर 22 मा शिप गरिएको थियो, र एक हप्ता अघि मैले तपाईंलाई भनेको थिएँ कि यसले स्वतन्त्र बोर्डमा शीर्ष स्थान हासिल गर्यो जबकि औसत मोडेलभन्दा तीन गुणा बढी शब्दहरू लेखेको थियो। दुई र आधा दिनपछि, ninja hawk नामक एक विकासकर्ताले घडी सुरु गरे, तीस दिनको लागि दिनको एक पटक, लगहरू कसैले पनि सम्पादन गर्न नसक्ने गरी।

0:59 ह्याकर न्यूज थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टीम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि रिपोर्ट गरिएका धेरैजसो केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। Hacker News को थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टिम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि धेरैजसो रिपोर्ट गरिएका केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। Hacker News को थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टिम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि धेरैजसो रिपोर्ट गरिएका केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। Hacker News को थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टिम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि धेरैजसो रिपोर्ट गरिएका केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। Hacker News को थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टिम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि धेरैजसो रिपोर्ट गरिएका केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। Hacker News को थ्रेड लगभग आठ सय अंकमा पुग्यो र एउटा टिम च्याट जस्तै विभाजित भयो। एक टिप्पणीकर्ता भन्छन् कि धेरैजसो रिपोर्ट गरिएका केसहरूमा मोडेलहरूलाई 'नर्फ' गर्नु वास्तविक होइन। अर्को भन्छन् कि मानिसहरू भर्खरै बुद्धिमत्ताको नयाँ स्तरमा अभ्यस्त भइरहेका छन्। र एक Claude Code पावर प्रयोगकर्ताले अब 'rate-this-session' पप-अपलाई हरेक पटक खारेज गर्छन्, किनभने Claude लाई मूल्याङ्कन गर्दा यसले अझ खराब बनाएको जस्तो लाग्यो। पियर समीक्षा। त्यसोभए, प्रश्न एक, तपाईं कसरी 'नर्फ' समात्नुहुन्छ?

नर्फ कसरी समात्ने: 78 कहिलेकाहीँ-सही प्रश्नहरू

1:27 तपाईं लगभग तेईस सय कठिन परीक्षा प्रश्नहरूबाट सुरु गर्नुहुन्छ, र Opus ले पहिलो प्रयासमा ९३ प्रतिशत सही गर्छ, जो एक डिटेक्टरको लागि बेकार छ, किनकि जुन प्रश्न सधैं सही हुन्छ त्यो घट्न सक्दैन। ९७ प्रतिशत सधैं सही वा सधैं गलत थिए, र ७८ जुन कहिलेकाहीँ मात्र सही हुन्छन्, तिनीहरू प्यानल बने। एउटै प्रम्प्ट, कुनै उपकरण छैन, र कुनै AI न्यायाधीश बिना सटीक-म्याच ग्रेडिङ, किनभने न्यायाधीश पनि परिवर्तन हुनेछ। यो हेडलेस Claude Code मार्फत Max सदस्यतामा चल्छ,

1:55 किनकि API संस्करणको मूल्य लगभग १६०० डलर प्रति महिना थियो। र Claude Code संस्करण पिन गरिएको छ, किनकि, रेपोको शब्दमा, परिवर्तित हार्नेस परिवर्तित मोडेल जस्तै देखिन्छ। आँकडाहरू Anthropic मा Evan Miller द्वारा लिखित Adding Error Bars to Evals नामक पेपरबाट आएका हुन्। Anthropic मा Evan Miller द्वारा लिखित Adding Error Bars to Evals नामक पेपरबाट तथ्याङ्कहरू आएका छन्। त्यसैले Anthropic को आफ्नै गणितले अब Anthropic को अडिट गरिरहेको छ, जुन ग्राहक सेवामा सेवाका सर्तहरू उद्धृत गर्ने शैक्षिक संस्करण हो। त्यसैले Anthropic को आफ्नै गणितले अब Anthropic को अडिट गरिरहेको छ, जुन ग्राहक सेवामा सेवाका सर्तहरू उद्धृत गर्ने शैक्षिक संस्करण हो।

यसले के देख्न सक्छ: 7.5 अंक, र टोकन गणना पहिले सर्छ

2:19 प्रश्न दुई, यसले के देख्न सक्छ? दश-दिने विन्डो अनुसार, लगभग साढे सात अंकको गिरावट। rig ले काम गर्छ भनेर प्रमाणित गर्न, लेखकले Claude को प्रयास जानाजानी घटाए। मध्यम प्रयासले उत्पादन लगभग एक चौथाईले घटायो, र स्कोर मात्र चार अंकले। कम प्रयासले उत्पादन लगभग दुई तिहाइले घटायो, आठ अंकको लागि। त्यो भाग चोर्नु पर्ने हो। कम सोचाइ उत्तरहरूमा देखा पर्नु अघि टोकन गणनामा देखा पर्छ।

2:43 त्यसैले तपाईंको मोडेल संस्करण पिन गर्नुहोस्, प्रति कार्य आउटपुट टोकनहरू लग गर्नुहोस्, र आफ्नै केही स्थिर प्रश्नहरू राख्नुहोस्। यदि तपाईंको एजेन्ट अचानक छोटो लेख्छ भने, Reddit जाँच गर्नु अघि आफ्ना लगहरू जाँच गर्नुहोस्। र यहाँ इमानदार भाग छ।

अन्धा ठाउँ: Opus 5 स्वैप र 8 गलत उत्तर कुञ्जीहरू

2:54 चुपचाप पुरानो Opus 5 स्वैप गर्नु rig ले पत्ता लगाउनको लागि धेरै सानो परिवर्तन थियो, र readme ले सुरुमा नै त्यसो भन्छ। अडिटले आठ उत्तर कुञ्जीहरू पनि पत्ता लगायो जुन गलत देखिन्छन्, त्यसैले 'नर्फ' डिटेक्टरले 'नर्फ' पत्ता लगाउनु अघि बेन्चमार्कमा बगहरू पत्ता लगायो।

Anthropic: हामी कहिल्यै मोडेलको गुणस्तर घटाउँदैनौं

3:08 प्रश्न तीन, Anthropic ले के भन्छ? गत वर्ष, गुनासोहरूको लहर पछि, Anthropic ले एउटा पोस्टमार्टम प्रकाशित गर्यो। यसले भन्छ, 'हामी माग, दिनको समय वा सर्भर लोडका कारण मोडेलको गुणस्तर कहिल्यै घटाउँदैनौं।' यसले भन्छ, 'हामी माग, दिनको समय वा सर्भर लोडका कारण मोडेलको गुणस्तर कहिल्यै घटाउँदैनौं।' उही पोस्टले तीनवटा बगले Claude लाई बिगारेको स्वीकार गर्छ, र Claude Code प्रयोगकर्ताहरूको लगभग एक तिहाइले कम्तिमा एक पटक गलत सर्भरहरूमा पुगे। त्यसैले गुनासोहरू वास्तविक थिए र कारण बगहरू थिए, जसका कारण रेपोले चेतावनी दिन्छ कि लन्च हप्ता सबैभन्दा खराब हप्ता हुन सक्छ। जसका कारण रेपोले चेतावनी दिन्छ कि लन्च हप्ता सबैभन्दा खराब हप्ता हुन सक्छ।

3:35 तीस दिन मध्ये छ दिन भइसक्यो। पहिलो सम्भावित घोषणा अक्टोबर २४ को आसपास हुन्छ, त्यसैले इमानदार जवाफ यो हो कि कसैलाई पनि थाहा छैन, निश्चित भएका सबैलाई समेत। कसैले पनि प्रकाशित नगर्ने संख्याहरूको कुरा गर्दा।

डाटा सेन्टरहरूले आफ्ना संख्याहरू गोप्य राख्छन्; Backblaze प्रकाशित गर्छ

3:46 Lighthouse Reports र डच पत्रिका Trouw ले पत्ता लगाए कि युरोपेली डाटा सेन्टरहरूको ठूलो बहुमतले आफ्नो ऊर्जा र पानीको प्रयोग गोप्य राख्छन्, यद्यपि EU नियमले तीन वर्षदेखि रिपोर्टिङ अनिवार्य गरेको छ। यद्यपि EU नियमले तीन वर्षदेखि रिपोर्टिङ अनिवार्य गरेको छ। नेदरल्याण्डमा, एक चौथाई भन्दा कमले मात्र प्रकाशित गर्छन्। एउटा माइक्रोसफ्ट डाटा सेन्टरले मात्र डच बिजुलीको लगभग एक प्रतिशत प्रयोग गर्छ। यसैबीच, Backblaze ले फेरि उही सामान्य कुरा गर्यो। यसको त्रैमासिक ड्राइभ तथ्याङ्कले लगभग तीन लाख पचास हजार हार्ड ड्राइभहरू समेट्छ, र विफलता दर १.७३ प्रतिशतमा पुग्यो,

4:16 केही समय यताको सबैभन्दा उच्च। तीन Seagate मोडेलमा शून्य विफलता थियो। सार्वजनिक आधाररेखा यस्तो देखिन्छ, त्रैमासिक पछि त्रैमासिक, तेह्र वर्षको लागि।

क्रेडिट लाइन: Claude ले मिटर बनाउन मद्दत गर्यो

4:25 अब, त्यो क्रेडिट लाइन। readme ले स्वीकार गर्छ कि रेपोको धेरै भाग Claude को मद्दतले लेखिएको थियो, जो मापन भइरहेको मोडेल हो। त्यसैले Claude ले Claude सुस्त भयो कि भएन भनेर जाँच गर्ने मिटर बनाउन मद्दत गर्यो। त्यसैले ग्रेडरहरू साधारण कार्यहरू हुन्। लेखकको शब्दमा, तपाईंले लेखकलाई विश्वास गर्नु पर्दैन, मानव वा अन्य। यदि तपाईं यो सुन्नु भन्दा पढ्न रुचाउनुहुन्छ भने, diff हरेक बिहान तपाईंको इनबक्समा आउँछ,

4:46 thedailydiff.dev मा निःशुल्क, लिङ्क तल। त्यसोभए, आज live nerf मा फैसला।

फैसला: SHIP IT, र अक्टोबर 24 अघि यसलाई उद्धृत नगर्नुहोस्

4:51 SHIP IT. म यसलाई शिप गर्छु किनभने यो मैले देखेको पहिलो nerf तर्क हो जसमा टाइमस्ट्याम्प, सार्वजनिक नियमपुस्तिका र तोकिएको अन्धा ठाउँ छ। SHIP IT. म यसलाई शिप गर्छु किनभने यो मैले देखेको पहिलो nerf तर्क हो जसमा टाइमस्ट्याम्प, सार्वजनिक नियमपुस्तिका र तोकिएको अन्धा ठाउँ छ। अक्टोबर २४ अघि यसलाई उद्धृत नगर्नुहोस्। र आजको लागि यति नै diff। म Axrisi बाट Niko हुँ। जिम्मेवारीपूर्वक मर्ज गर्नुहोस्।

स्रोतहरू

  1. livenerfgithub.com
  2. Validationgithub.com
  3. Hacker Newsnews.ycombinator.com
  4. Anthropic postmortem (Sep 2025)www.anthropic.com
  5. Adding Error Bars to Evals (Evan Miller)arxiv.org
  6. Inspect (UK AI Security Institute)inspect.aisi.org.uk
  7. NL Timesnltimes.nl
  8. Hacker Newsnews.ycombinator.com
  9. Backblaze Drive Stats Q2 2026www.backblaze.com
  10. Hacker Newsnews.ycombinator.com

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

सम्बन्धित भिडियोहरू

daily · ne · २०२६ सेप्टेम्बर २३

क्लाउड ओपस ५.५ ले मूल्य घटाएको छ। ओपनएआईले अझ गहिरो कटौती गरेको छ।

एन्थ्रोपिकले क्लाउड ओपस ५.५ जारी गर्‍यो: अधिकांश काममा फेबल-स्तरको प्रदर्शन, स्टिकर मूल्यमा पाँचौं छुट र क्यास गरिएका रिडहरूमा ६०% छुट। करिब नब्बे मिनेट पछि ओपनएआईले GPT-६ सोल र लुना जारी गर्‍यो जुन त

5:12 ↗
daily · ne · २०२६ नोभेम्बर ६

क्लाउड कोडले प्रयोगकर्ताहरूको इमेल ठेगाना वेबसाइटहरूमा सम्पर्क ठेगानाको रूपमा पठायो

क्लाउड कोडले साइन-इन गरिएको खाताको इमेल ठेगाना मोडेलको सन्दर्भमा थप्यो, र एजेन्टले कहिलेकाहीं त्यस ठेगानालाई त्यस्ता साइटहरूका लागि लेखेको curl अनुरोधहरूको User-Agent हेडरमा राख्यो जसले स्क्रिप्टहरूला

5:08 ↗
daily · ne · २०२६ अक्टोबर १

जेमिनी ४ आर्गन गुगलको सबैभन्दा राम्रो मोडेल हो। तपाईले यसलाई अझै प्रयोग गर्न सक्नुहुन्न।

गुगलले जेमिनी ४ आर्गन, आफ्नो नयाँ फ्रन्टियर मोडेल घोषणा गर्‍यो, र केवल विश्वसनीय साइबर डिफेन्डरहरूले यसलाई प्रयोग गर्न सक्छन्। यहाँ गुगलको आफ्नै १९-पंक्ति बेन्चमार्क तालिकाले के देखाउँछ, स्वतन्त्र लिड

4:53 ↗
daily · ne · २०२६ सेप्टेम्बर २७

OpenAI ले आफ्ना चोरी गरिएका पुस्तकहरू किन मेटायो?

२०१९ मा OpenAI का एक अनुसन्धानकर्ताको भनाइ अनुसार, चोरी गरिएका पुस्तकहरूको साइटमा प्रशिक्षण दिने कुरा ह्याकर न्यूजमा "दृष्टिकोण" को बारेमा उनको चिन्ता थियो। OpenAI लाई के थाहा थियो, कसले बिल गेट्सलाई

5:01 ↗