› Zbudowałem test dla jedenastu modeli: dziewięć zadań z kodu, tłumaczenia i trzymania się instrukcji, każde sprawdzane automatycznie, żeby nie oceniać gustem.

› Po przejrzeniu odpowiedzi okazało się, że na jednym zadaniu mój automat punktował odwrotnie.

› Modele, którym postawił zero, odpowiedziały poprawnie, a te z punktem się myliły.

› To jest ciekawsze od samego rankingu, więc zacznę od tego.

Zbudowałem test dla jedenastu modeli AI. Na jednym zadaniu test się pomylił, a modele miały rację