ग्राफइको: एलएलएम ग्राफ एजेंटों का मूल्यांकन
ग्राफइको परीक्षण करता है कि क्या एलएलएम एजेंट अतिरिक्त पुष्टि के लिए बार-बार होने वाली मुठभेड़ों की गलती करते हैं। ग्राफइको एक बेंचमार्क है जिसे बड़े भाषा मॉडल (एलएलएम) ग्राफ एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया है। यह परीक्षण करता है कि क्या ये एजेंट बार-बार होने वाली मुठभेड़ों और अतिरिक्त पुष्टि के बीच अंतर कर सकते हैं। बेंचमार्क पथ गणना बदलता रहता है...