When Does Memory Help? A Cost-Aware Evaluation of Long-Term Memory in Tool-Using LLM Agents
arXiv:2609.05441v1 Announce Type: new Abstract: Long-term memory for LLM agents is evaluated today by conversational recall benchmarks (LoCoMo, LongMemEval), which measure question answering over dialogue history, not whether remembered facts change what a tool-using agent does.…
- 01.arXiv:2609.05441v1 Announce Type: new Abstract: Long-term memory for LLM agents is evaluated today by conversational recall benchmarks (LoCoMo, LongMemEval), which measure question answering over dialogue history, not whether remembered facts change what a tool-using agent does.…
Материал кеңейтілген талдамалық дайджест форматында берілген.
Толық нұсқасын түпнұсқадан оқуБайланысты материалдар
Барлығы →Anthropic компаниясының IPO өтінімінен бес оғаш мәліметтер
Anthropic, сайып келгенде, SEC-ке өзінің S-1 проспектісін тапсырды, бұл құжат инвесторларға өз бизнесінің астына, оның басшылары қанша ақша жасап жатқанын және IPO-ға миллиардтағанын жұмсауды жоспарлап отырғанынан бастап, амбициясын бұзатын тәуекелдерге дейін көрсетуге арналған құжат. астам…
Anthropic’s IPO filing reveals its strategy for keeping enterprise customers hooked
Anthropic’s S-1 shows more than half of its $100,000-plus customers now use both the Claude Platform and a first-party app, a cross-selling playbook reminiscent of Amazon that’s making enterprise customers stickier.
FairStress: тест на демографическую справедливость моделей
📌 FairStress: тест на демографическую справедливость моделей Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования,…