llm performance

"彼らの推定では、2月下旬にかけて思考の深さが約67%低下しました。これは単なる印象ではなく、証拠の連鎖です。"

"私は、マーケティングプラン、コードデバッグ、法的レビュー、財務分析、医療診断、ブログ執筆、製品ローンチ、コードレビュー、チケット分類、契約分析という同一のタスクに対して、10種類の一般的なプロンプトエンジニアリング技術を構造化JSON形式と比較テストしました。"

"180回の計測の結果、平均応答時間には統計的な有意差はありませんでした。"

"Article URL: https://spectrum.ieee.org/ai-coding-degrades"

"Claude's system prompt is over 24k tokens with tools."