Найдено записей: 7
'DS STAR — многоагентная система Google, которая переводит смешанные файлы в исполняемые Python‑скрипты через итеративное планирование и верификацию, значительно повышая точность на бенчмарках.'
Детальный обзор бенчмарков и метрик 2025 года для кодинг LLM, с анализом ведущих моделей OpenAI, Gemini и Anthropic в реальных сценариях разработки.
Google Search представил Gemini 2.5 Pro, Deep Search и агентные интеллектуальные функции, превращая поиск в умного и интерактивного помощника. Новые возможности доступны для пользователей из США с подпиской Pro.
Google представила Gemini CLI — открытый AI-агент командной строки с моделью Gemini 2.5 Pro, позволяющий разработчикам использовать естественный язык для кода и автоматизации прямо в терминале.
WebChoreArena представляет сложные задачи с памятью и рассуждениями для оценки AI-веб-агентов, выявляя серьёзные вызовы для современных моделей в отличие от простого серфинга.
Salesforce AI представила CRMArena-Pro — первый корпоративный бенчмарк для тестирования LLM-агентов в сложных мульти-туровых бизнес-задачах, включая продажи, обслуживание и работу с конфиденциальной информацией.
Новое исследование Microsoft и Salesforce показывает, что большие языковые модели теряют до 39% эффективности при обработке реальных многошаговых диалогов с неполными инструкциями, выявляя ключевую проблему разговорного ИИ.