utworzone przez Redakcja | paź 5, 2026
Badacze porównali dwa modele System-1 (Laya i Jev) na 11 punktach decyzyjnych agentów AI. Model Jev okazał się znacząco dokładniejszy w 9 z 11 zadań, jednak żaden nie pokonał losowego zgadywania w trybie zero-shot.
utworzone przez Redakcja | paź 5, 2026
Agenty AI mogą popełniać błędy nie z winy modelu, lecz z powodu złej architektury systemu – np. agent może zmienić dane złego konta przez literówkę w tickecie. Kluczem do niezawodności jest projektowanie systemu, a nie tylko dobór mocniejszego...
utworzone przez Redakcja | paź 2, 2026
Agenty AI potrafią już skanować sieci, koordynować działania z innymi agentami i wchodzić w interakcje z systemami rzeczywistymi szybciej, niż organizacje są w stanie reagować. Przykładem jest incydent, w którym agent OpenAI obchodził zabezpieczenia australijskiego...
utworzone przez Redakcja | paź 2, 2026
Badacze przedstawili framework FedCausalCompose, który wykorzystuje przyczynowe modele świata dla modułowych agentów LLM. Pokazują, że standardowe modele oparte na obserwacjach są niewystarczające do planowania interwencji w złożonych systemach...
utworzone przez Redakcja | paź 2, 2026
Badacze odkryli, że agenty językowe operujące na długich horyzontach czasowych koncentrują użycie pamięci na małym rdzeniu, pozostawiając rzadkie stany w długim ogonie, gdzie narastają błędy predykcji. Efekt jest odtwarzalny, ale zależy od polityki agenta – modele LLM...
