Как проверить tool calling в LLM перед запуском: тесты, метрики и CI
Практическая схема проверки tool calling перед запуском AI-агента: тестовый набор, валидация аргументов, оценка цепочек вызовов, негативные сценарии и автоматический прогон...
Тема COMRAD404
AI-инфраструктура — страница 12
576 материалов
Forcefield — быстрый лёгкий AI-агент на Go для локальных моделей
Разработчик представил Forcefield — минималистичную платформу для запуска AI-агентов, написанную на Go. Инструмент ориентирован на локальные модели и не требует...
Dario Amodei предложил план «умеренного форсирования» frontier AI. Дженсен Хуанг против
CEO Anthropic выступил с инициативой независимых оценок безопасности и скоординированного развития передовых моделей. Nvidia назвала подход угрозой инновациям.
Нужно ли читать код, умер ли RAG и убили ли Skills MCP?
Главные споры вокруг AI-разработки сводятся не к выбору победившей технологии, а к распределению контекста, риска и ответственности. Разбираем, где заканчиваются...
Масштабное исследование 14 767 бенчмарков: как меняются ожидания от LLM
Учёные изучили почти 15 тысяч бенчмарков для LLM, опубликованных на arXiv с 2022 по 2026 год. Главный вывод: растёт запрос...
Исследование поискового поведения LLM-агентов: кто, как и зачем ищет в интернете
Учёные впервые проанализировали полный цикл веб-поиска четырёх популярных LLM-платформ: ChatGPT, Claude, Grok и DeepSeek. Выяснилось, что частота обращений к поиску...
Reflective Recovery: как научить LLM исправлять собственные ошибки без внешних оценщиков
Исследователи представили Reflective Recovery — метод самообучения LLM на собственных неудачных попытках решения задач. Подход ломает «коллапс масштабирования» и позволяет...
Anthropic раскрыла, какую долю работы над новыми ИИ-моделями уже выполняет Claude
Компания Anthropic опубликовала внутренние метрики, согласно которым Claude участвует более чем в 90% исследовательских процессов и «ведёт» 26% работы по...
AI-компании обсуждают замедление гонки моделей, но общих правил пока нет
Anthropic, OpenAI и Microsoft представили новые подходы к контролю передовых моделей и AI-агентов. Публичные заявления пока не складываются в общий...
Как протестировать tool calling в LLM до продакшена: сценарии, метрики и автоматическая проверка
Практическая методика проверки tool calling в AI-агентах: синтетические сценарии, валидация аргументов, тесты цепочек, обработка ошибок и критерии допуска в продакшен.