Жабық цикл агентін бағалау: қабаттық өлшеу және өзін-өзі калибрлеу
arXiv:2611.07051v1 Хабарландыру Түрі: жаңа Аннотация: Агент белсенді болғаннан кейін, командалар оның қате жіберетінін ғана емес, өз жұмысын істеп жатқанын білгісі келеді. Дегенмен, бағалаудың көпшілігі бір реттік болып табылады: эталондық жұмыс, іздерді қарау, бір ұпай. Оның қорытындылары өзін-өзі тексермейді ...
AI қорытындысы: Басты тезистер
- arXiv:2611.07051v1 Хабарландыру Түрі: жаңа Аннотация: Агент белсенді болғаннан кейін, командалар оның қате жіберетінін ғана емес, өз жұмысын істеп жатқанын білгісі келеді
- Дегенмен, бағалаудың көпшілігі бір реттік болып табылады: эталондық жұмыс, іздерді қарау, бір ұпай
- Оның қорытындылары өзін-өзі тексермейді ...
Жабық цикл агентін бағалау: қабаттық өлшеу және өзін-өзі калибрлеу
Ұқсас материалдар
GPT-6.2 ағып кетулер өте қызықты
OpenAI-дің келесі моделі жақындап келеді және оның айналасындағы ағып кетулерді елемеу қиындап барады. Екі жұмбақ модель атауы OpenAI ресми модельдер тізімінде бірнеше минут ішінде пайда болды, содан кейін жоғалып кетті. Ішінде Bell деп аталатын алып жаңа модель отыр ...
Anthropic Klode Code-те токендердің артық жұмсалуын жойды
✔️ Anthropic Клод кодексінде таңбалауыштың артық жұмсалуын жойды Бұрын кодты қарап шығуды немесе сынақтарды орындайтын Клод кодының фондық субагенттері өз күйлерін әрбір 30 секунд сайын жаңартып отырды және әр кезде базалық үлгі хат алмасу тарихын түгел қайта оқыды. Желідегі пайдаланушылар ...
Thinking Machines басқа модельді өз бетінше үйрететін AI моделін шығарды
Thinking Machines басқа модельді өз бетінше үйрететін AI моделін шығарды. Бұрынғы OpenAI командасы Inkling 2 Small ашық AI моделін шығарды, оған Qwen3.5-4B уақыт қатарын болжауға үйрету міндеті берілді. Содан кейін Inkling 2 Small жалғыз әрекет етті: ол жазды ...
Болашақ OpenAI үлгісі Linux жүйесінде 1724 осалдықты табады
🔐 Болашақ OpenAI моделі Linux жүйесінде 1724 осалдықты анықтады OpenAI-дің әлі шығарылмаған кибермоделі операциялық жүйенің осалдықтарын табуда әсерлі нәтижелер көрсетті. Бір ұшыруда ол: - 1 724 осалдықты анықтады; - 948 жұмыс ерліктері дайындалды,...