Все о блокчейн/мозге/space/WEB 3.0 в России и мире

2 свежих кейса: как делать ИИ-агентов быстрее и дешевле без смены модели DoorDash поделились примером, как перестать зависеть от выбора ИИ-моделей. Команда построила DashBench - бенчмарк под свою кодовую базу, и это дало им независимость от моделей. С DashBench они обнаружили, что Kimi K2 + Fable 5 уже обходит их текущий харнесс. Из этого вытекает вывод, что проблема не в ИИ-модели, а в харнессе и в том, как оценивать результат. Это яркая иллюстрация ко вчерашнему нашему посту. И ещё один кейс от компании RightNow AI, они создали компилятора агентного поведения, который доказывает тоже самое, но с другой стороны стека. Их AUTO записывает живые прогоны агента, находит детерминированные паттерны и компилирует их в верифицированный артефакт. Стоимость задачи падает очень сильно. Но главное - это не мощность модели решает, остаётся ли система корректной, а точность калибровки и верность оценщика.