IndicBankBench is a 799-case benchmark that evaluates safety, tool use, response adequacy and advisory quality of langua...

IndicBankBench is a 799-case benchmark that evaluates safety, tool use, response adequacy and advisory quality of language model assistants in Indian retail banking.Source: arXivhttps://arxiv.org/abs/2609.29167#MachineLearning

Read Original

Related

Mastodon discussion 11m ago

Профили критических сбоев ИИ-агентов с функцией вызова с реальным эффектом: DeepSeek V4 Pro и Gemini 3.8 FlashИсследован...

Профили критических сбоев ИИ-агентов с функцией вызова с реальным эффектом: DeepSeek V4 Pro и Gemini 3.8 FlashИсследование поведения ИИ-агентов с вызовом функций, имеющих реальный ...