Проверка гипотезы о «нерфинге» модели Opus 5.5: обновление проекта LiveNerf

Автор открытого проекта LiveNerf представляет обновление по мониторингу производительности модели Opus 5.5 в динамике. Проект, набравший популярность на Hacker News, стремится к установлению статистически значимого базиса для проверки утверждений о снижении качества моделей после релиза. Особое внимание уделяется прозрачности методологии и учету возможных искажений, таких как загрязнение бенчмарков.