Agenți AI

Ομάδα e-commerce βαθμονομεί checkpoints για LLM oversight

LLM oversight: γιατί περισσότερο context μπορεί να κάνει τον έλεγχο χειρότερο

Περισσότερο context δεν σημαίνει πάντα καλύτερη κρίση. Δείτε γιατί τα μεγάλα review windows αυξάνουν τις ψευδείς απορρίψεις στους AI agents.

Citește mai multLLM oversight: γιατί περισσότερο context μπορεί να κάνει τον έλεγχο χειρότερο
Κατάσταση εκτέλεσης AI agents σε αυτοματοποιημένο επιχειρησιακό workflow

SKILL.state: γιατί οι AI agents χρειάζονται κατάσταση, όχι ατελείωτο ιστορικό

Το SKILL.state δείχνει πώς η ρητή κατάσταση εκτέλεσης βοηθά τους AI agents να περιορίζουν tokens, παλιές πληροφορίες και σφάλματα σε μακρά workflows.

Citește mai multSKILL.state: γιατί οι AI agents χρειάζονται κατάσταση, όχι ατελείωτο ιστορικό
Ομάδα υποδομών αξιολογεί το κόστος reasoning των LLMs σε data center

Το «reasoning tax» των LLMs: πότε η περισσότερη σκέψη αξίζει το κόστος

Το reasoning tax δείχνει πότε τα πρόσθετα reasoning tokens βελτιώνουν μετρήσιμα το αποτέλεσμα και πότε αυξάνουν μόνο κόστος, latency και υποδομή.

Citește mai multΤο «reasoning tax» των LLMs: πότε η περισσότερη σκέψη αξίζει το κόστος
Ανθρώπινος έλεγχος συνδέσεων πριν από απόφαση AI υψηλού ρίσκου

AI agents στις αποφάσεις υψηλού ρίσκου: πιο πειστικοί, αλλά όχι πάντα πιο πιστοί

Μελέτη σε δεδομένα ΜΕΘ δείχνει ότι οι agentic εξηγήσεις γίνονται πιο συγκεκριμένες και καλύτερα θεμελιωμένες, χωρίς να είναι πάντα πιο πιστές στο προβλεπτικό μοντέλο.

Citește mai multAI agents στις αποφάσεις υψηλού ρίσκου: πιο πειστικοί, αλλά όχι πάντα πιο πιστοί