AgentLens: новый бенчмарк для оценки кодовых агентов
Представлен AgentLens, новый бенчмарк для оценки интерактивных кодовых агентов, который фокусируется на полной траектории выполнения задач, а не только на конечном результате.
Открыть материал →
Category: Оперативная лента
15 logsКороткие разборы популярных AI-сигналов из Telegram, Reddit, X и YouTube.
SageMath и LLM-агенты: как вычислительная математика усиливает ИИ
Исследование показывает, как связка LLM-агентов с SageMath помогает решать сложные математические задачи и снижает число ошибок в вычислениях.
Открыть материал →
Эффект уздечки: как дизайн оркестрации влияет на экономику токенов в корпоративном AI
Новое исследование на arXiv показывает, как архитектура оркестрации может существенно снизить затраты на токены в корпоративных AI-системах, улучшая эффективность без потери качества.
Открыть материал →
RAG для LLM: Здоровье и надежность ответов
Исследование на arXiv предлагает новый взгляд на безопасность больших языковых моделей в сфере общественного здравоохранения, используя Retrieval-Augmented Generation (RAG) для повышения точности и снижения...
Открыть материал →
ИИ учится социальным нормам для лучшей координации с людьми
Новое исследование показывает, как формализация неявных социальных норм может значительно улучшить взаимодействие искусственного интеллекта с человеком в динамичных сценариях.
Открыть материал →