Flex-RSI ukur kemampuan agen AI memperbaiki diri secara rekursif
Benchmark baru Flex-RSI menilai bagaimana agen AI frontier memperbaiki cara kerjanya, bukan hanya jawabannya, melalui revisi harness seperti prompt dan alat.
Benchmark baru Flex-RSI menilai bagaimana agen AI frontier memperbaiki cara kerjanya, bukan hanya jawabannya, melalui revisi harness seperti prompt dan alat.