Back to explore

Durum makinesi programlama benchmark'ında Jev

Dorian Smiley bir durum makinesi programlama benchmark'ı paylaşıyor: Gemini Flash Lite 3.1 genel %75,6, Jev genel %72,2, kanonik görevlerde %100 ve yaklaşık 6 kat daha hızlı; eksikler yeni kombinasyonlarda yoğunlaşıyor.

New state machine programming benchmark: Gemini Flash Lite 3.1: 75.6% overall, 66.7% generalization. Jev: 72.2% overall, 61.4% generalization, but 100% on canonical tasks and ~6× faster. Jev’s misses are concentrated in specific novel compositions, not broad task failure. It is

Durum makinesi programlama benchmark'ında Jev 1
· 1 likesOpen on X