Интеллектуальный хаб темы
Оценка эффективности автономных систем требует инструментов, выходящих за рамки классических тестов производительности. В этой подборке мы фокусируемся на методологиях бенчмаркинга, которые позволяют измерить способность агентов к дедукции, планированию и корректному исполнению многошаговых инструкций в динамических средах. Здесь собраны аналитические разборы существующих фреймворков, критические обзоры метрик и результаты испытаний программных сущностей в условиях неопределенности.
ИИ: События
Технический контекст • Продукты
Компания Hcompany представила Holo3 – агентную модель, установившую рекорд на ключевом бенчмарке по управлению компьютером и нацеленную на автономную работу в корпоративной среде.
Компания H объявила о выпуске Holo3 – модели, которая установила новый рекорд в ведущем тесте для ИИ-агентов, управляющих компьютером.
ИИ: События
Продукты
Mixedbread выпустила Search v3 – поисковую модель, которая заметно сокращает разрыв между тем, что агент находит в реальности, и тем, что теоретически можно обнаружить в данных.
Институт Аллена представил открытого веб-агента MolmoWeb. Он управляет браузером визуально, подобно человеку, и обходит многих проприетарных конкурентов.
Databricks разработала собственный подход к созданию ИИ-агентов – систему coSTAR, которая позволяет команде работать быстро, не теряя контроль над качеством.
Разбираемся, почему оценка навыков ИИ-агентов – это не формальность, а ключевой шаг к созданию систем, которым можно доверять реальные задачи.
ИИ: События
Разработка
Компания LightOn представила оценочную систему NOVA. Рассказываем, как она устроена и почему «субъективного ощущения» недостаточно для проверки ИИ-агентов.
ИИ: События
Регулирование
OpenAI в сотрудничестве с национальной лабораторией разработали инструмент оценки ИИ-агентов для ускорения федеральных согласований и уже наблюдают первые измеримые результаты.
ИИ: События
Продукты
Liquid AI представила модель LFM2-24B-A2B, способную запускать ИИ-агентов с вызовом инструментов прямо на потребительском оборудовании – без облака и задержек.
Хотите знать о новых
экспериментах первыми?
Подписывайтесь на наш Telegram-канал – там мы делимся всем самым
свежим и интересным из мира NeuraBooks.