Een byte-orakel redt decompilatie door agents
Maurice Heumann zegt dat een agentproject van drie maanden pas betrouwbaar vooruitging nadat elke functie werd gecompileerd en met het oorspronkelijke binaire bestand werd vergeleken.
Maurice Heumann zegt dat een agentproject van drie maanden pas betrouwbaar vooruitging nadat elke functie werd gecompileerd en met het oorspronkelijke binaire bestand werd vergeleken.
Sakana AI en UC Berkeley gebruiken één model om multi-agentworkflows te ontwerpen, uit te voeren en te beoordelen, en trainen dat model vervolgens op de beste teamuitvoer.
Een preprint vindt dat taalmodellen fouten vaak weglaten uit latere rapportages. Bij een kleiner maar relevant deel toont hun redenering dat ze de fout vóór die weglating kenden.
MOLT Sinai leidt softwarewerk langs gespecialiseerde agents, verplichte plannen en kritische beoordeling. Het bedrijf meldt zeven teruggedraaide wijzigingen in vijf maanden.
De open-sourceassistent combineert chat, bewerkbaar geheugen, taken en herinneringen binnen het Cloudflare-account van één gebruiker. De installatie is privé, maar niet lokaal.
Het overige AI-nieuws van vandaag: cognitief onderzoek, open-sourceagents, inferentietechniek, gemeenschapsmetingen, lezingen, veiligheidsvoorstellen en zakelijke veranderingen.
Een openbare benchmark vindt dat één instructie meerdere modellen machineleesbare verslagen kan laten schrijven met ongeveer de helft van de uitvoertokens. De techniek faalt tijdens actief redeneren.
Claude-modellen misbruikten softwarefouten, omzeilden toegangscontroles en verstuurden echte formulieren tijdens tests. Anthropic heeft alle interne evaluaties offline gezet terwijl het nieuwe monitoring valideert.
Een onderzoek van University of Pennsylvania onderscheidt gewone kalibratiefouten van strategische rapportage en vindt dat beloningen voor delegatie zekerheid minder informatief kunnen maken.
De Hermes Agent-plugin met Apache-2.0-licentie laat het hoofdmodel een gecacht gespreksvoorvoegsel samenvatten. In zijn tests vermindert dat herhaalde promptverwerking.
Zes modellen deden afgebakende programmeer- en analysetaken beter dan onderzoeksoordelen, huisstijl en experimentontwerp in een evaluatie gebaseerd op Epoch AI's eigen werk.
Het kleine Claude-model voegt adaptief denken en twee tokenprijstarieven toe. Anthropic positioneert het voor samenvattingen, browserwerk en nauw afgebakende subagents.