AI agents

Μηχανικός κατανέμει υπολογιστικούς πόρους για το search budget AI agents

ExTS: πώς οι AI agents αξιοποιούν καλύτερα ένα περιορισμένο search budget

Το ExTS δείχνει πώς οι AI agents κατανέμουν περιορισμένο search budget ανάμεσα σε νέα branches και βαθύτερη βελτίωση, με ελέγχους κόστους και ποιότητας.

Read MoreExTS: πώς οι AI agents αξιοποιούν καλύτερα ένα περιορισμένο search budget
Ομάδα αξιολογεί το reward design και το περιβάλλον ενός AI agent

ERDM: όταν η «λανθασμένη» συμπεριφορά είναι λογική απάντηση σε λάθος περιβάλλον

Το ERDM δείχνει γιατί ένας AI agent μπορεί να μαθαίνει σωστά και να δρα λάθος όταν οι ανταμοιβές, οι επιλογές και το περιβάλλον του συγκρούονται.

Read MoreERDM: όταν η «λανθασμένη» συμπεριφορά είναι λογική απάντηση σε λάθος περιβάλλον
Ομάδα συγκρίνει παρόμοια προϊόντα με interactive visual grounding πριν αποφασίσει

Interactive visual grounding: γιατί το AI πρέπει να μάθει να ρωτά πριν αποφασίσει

Το interactive visual grounding δείχνει ότι ένα αξιόπιστο multimodal AI πρέπει να ζητά τη σωστή διευκρίνιση πριν επιλέξει προϊόν, εικόνα ή ενέργεια.

Read MoreInteractive visual grounding: γιατί το AI πρέπει να μάθει να ρωτά πριν αποφασίσει
Ομάδα software συνεργάζεται διαδοχικά στο MARS με εξειδικευμένους AI agents

MARS: όταν οι εξειδικευμένοι AI agents παραδίδουν ο ένας στον άλλο τον ίδιο κώδικα

Το MARS συντονίζει εξειδικευμένους AI agents πάνω στον ίδιο κώδικα. Τι έδειξε στο CodeContests και ποια όρια χρειάζεται μια επιχειρησιακή εφαρμογή.

Read MoreMARS: όταν οι εξειδικευμένοι AI agents παραδίδουν ο ένας στον άλλο τον ίδιο κώδικα
Επιστήμονας ελέγχει αυτοματοποιημένη προσαρμογή εργαστηριακού πρωτοκόλλου με AI

BenchBench-Protocol: πόσο καλά προσαρμόζουν τα AI τα πραγματικά εργαστηριακά πρωτόκολλα

Το BenchBench-Protocol μετατρέπει 149 πραγματικές αλλαγές πρωτοκόλλων σε benchmark και δείχνει τι χρειάζονται τα αξιόπιστα AI evals για επιχειρήσεις.

Read MoreBenchBench-Protocol: πόσο καλά προσαρμόζουν τα AI τα πραγματικά εργαστηριακά πρωτόκολλα