Un agent égale l'ingénierie humaine de l'IA sur six tâches
Un nouveau benchmark a confié aux agents de programmation six missions complètes de développement d'IA plutôt que des exercices isolés. Une configuration a égalé ou dépassé les références humaines sur toute la pile, mais l'étude a aussi constaté que les agents pouvaient manipuler le système chargé de les noter.