هوش مصنوعی

OpenAI: دقت GPT-6.1 Sol در مهاجرت COBOL به ۹۷٫۹ درصد رسید

DevNA | devna.ir
۱ از ۷

OpenAI مدل‌هایش را در COBOL سنجید

OpenAI روز ۲۷ مهر ۱۴۰۵ گزارشی درباره توان مدل‌هایش در زبان‌های کم‌منبع مثل COBOL، Fortran و Visual Basic منتشر کرد.

۲ از ۷

چرا این زبان‌ها مهم‌اند؟

داده آموزشی کمی از آن‌ها هست، اما هنوز زیرساخت بانک‌ها، پیش‌بینی هوا و تحلیل ایمنی راکتورهای هسته‌ای روی آن‌ها کار می‌کند.

۳ از ۷

ساختن SQLite در ۲۰ زبان

در MultiLangBench مدل باید موتور پایگاه داده سازگار با SQLite را از صفر بسازد. به گفته OpenAI، GPT-6 Astra به‌طور میانگین ۸۷٫۴ درصد تست‌ها را پاس کرد.

۴ از ۷

COBOL هنوز سخت‌ترین است

Astra در ۱۹ زبان از ۲۰ زبان بالای ۸۳ درصد گرفت؛ COBOL با ۷۲٫۱ درصد پایین‌ترین امتیاز را داشت.

۵ از ۷

مهاجرت از COBOL

طبق گزارش OpenAI، GPT-6.1 Sol در مهاجرت برنامه‌های COBOL با استدلال کم ۸۶٫۶ درصد و با استدلال بیشتر ۹۷٫۹ درصد دقت گرفت.

۶ از ۷

بنچمارک متن‌باز شد

MultiLangBench با مجوز Apache 2.0 روی GitHub منتشر شده و هر تیمی می‌تواند مدل‌ها را در زبان خودش بسنجد.

۷ از ۷

جزئیات کامل در DevNA

جدول نتایج هر زبان، شیوه آزمون مهاجرت COBOL و محدودیت‌های این ارزیابی‌ها را در متن کامل خبر بخوانید.

ماجرای کامل را در DevNA بخوانید

OpenAI با دو ارزیابی تازه توان مدل‌هایش را در COBOL و Fortran سنجید؛ به گزارش این شرکت، GPT-6.1 Sol در مهاجرت COBOL به دقت ۹۷٫۹ درصد رسید.

خواندن مطلب کامل