utworzone przez Redakcja | paź 22, 2026
Naukowcy stworzyli testbed Agent4Sci, w którym agenty AI rywalizują w ulepszaniu najlepszych modeli naukowych ML w 20 dziedzinach. Claude Opus osiągnął średnio 10,4% względnej poprawy wyników, co sugeruje realny potencjał agentów jako autonomicznych...
utworzone przez Redakcja | paź 16, 2026
Naukowcy przedstawili AlphaDiana – modułowy system do oceny agentów AI, który łączy modele rozumowania z narzędziami i pamięcią. System umożliwia zarówno analizę całych agentów, jak i interwencje w ich poszczególne komponenty.
utworzone przez Redakcja | paź 16, 2026
Gdy modele AI osiągają perfekcyjne wyniki w testach, benchmarki tracą użyteczność. Badacze sprawdzają, czy pełne transkrypcje rozwiązań zadań mogą zastąpić tradycyjne wyniki jako miara możliwości modeli.
utworzone przez Redakcja | paź 16, 2026
Naukowcy stworzyli RealtimeBench – zestaw 180 zadań oceniający agentów LLM w środowiskach, które nie czekają na odpowiedź modelu. Zaproponowano też metodę TORSI, gdzie wolny nauczyciel uczy szybkiego ucznia działać bez opóźnień.
utworzone przez Redakcja | paź 10, 2026
Naukowcy zbadali, czy małe modele językowe potrafią efektywnie działać w ramach narzuconych limitów czasowych. Okazało się, że agenci LLM mają poważne trudności z przekładaniem podanego budżetu czasu na realne kontrolowanie swojego działania.
