ИИ-агенты провалили почти половину заданий по подбору товаров в тесте Visa

Visa представила бенчмарк Visa Agentic Commerce Benchmark, который проверяет, как ИИ справляется с покупками в реалистичных сценариях. В первом раунде 22 модели от 12 лабораторий в среднем прошли 57,2% попыток, говорится в пресс-релизе компании. Модели выполнили 15 сценариев с покупкой телевизоров, ноутбуков и устройств для ухода за собой. Каждый сценарий они проходили по три раза. […]