Испытания 16 моделей также выявили разрыв между результатами на русском и английском языках Команды Яндекс и ШАД (Школы анализа данных) открыли доступ к MTGBench — бенчмарку для оценки способности нейросетей решать сложные задачи с помощью последовательных рассуждений. Инструмент опубликован на…