IFEval: как объективно проверить, что AI-агент выполняет ваши инструкции
Разбираемся, как работает бенчмарк IFEval от Google Research, и показываем, как с его помощью протестировать, насколько точно AI-агент следует заданным...
Тема COMRAD404
генерация видео — страница 22
1082 материалов
OpenAI представила MentalHealthBench для проверки ответов ИИ о психическом здоровье
OpenAI сообщила о MentalHealthBench — бенчмарке с участием экспертов, который предназначен для оценки полезности и безопасности ответов ИИ в реалистичных...
Сколько стоят AI-агенты на разных моделях: бюджет, скорость и качество
Практический расчёт стоимости 1000 вызовов инструментов на Claude, GPT-4o и Gemini 2.5. Как не переплатить за агентов, где сэкономить и...
Сэм Альтман выступил в Совбезе ООН о безопасности ИИ и человеческом контроле
OpenAI сообщила о выступлении Сэма Альтмана в Совете Безопасности ООН. Главными темами стали безопасность ИИ, сохранение контроля человека и международное...
Meta показала Muse Charm — отдельный гаджет для ИИ-агента без смартфона
Марк Цукерберг продемонстрировал прототип Muse Charm с экраном, камерой, микрофонами и датчиком отпечатков. Meta рассчитывает начать поставки в декабре 2026...
GitHub Copilot App получил локальную песочницу с изоляцией файловой системы и сети
GitHub запустил публичный превью локальной песочницы для десктопного приложения Copilot. Теперь агентный код выполняется в изолированном окружении с ограничением доступа...
Как настроить MCP-сервер для доступа к базе данных: разбор на примере PostgreSQL
Пошаговое руководство по настройке MCP-сервера для работы с PostgreSQL: от установки до тестирования tool calling. Разбор конфигурации, ограничений безопасности и...
GitHub перестроил просмотр diff в Copilot app ради пул-реквестов на миллион строк
GitHub разделил геометрию строк кода и комментариев, чтобы Copilot app мог открывать огромные пул-реквесты без миллионов DOM-элементов и резких скачков...
Microsoft Research предложила выносить ИИ-инференс с роботов на внешние GPU
Microsoft Research сравнила бортовой, периферийный и облачный инференс в задачах мобильной робототехники. По данным авторов, внешние GPU ускоряют планирование и...
Koreshield предложил слой контроля действий для ИИ-агентов поддержки
Koreshield заявляет, что проверяет сообщения, извлечённые данные и вызовы инструментов до выполнения действий ИИ-агентом. Пока возможности продукта описаны только его...