Subiect: #agenti de codare
AI
Studiu Cursor: Hacking-ul recompenselor umflă scorurile agenților de codare pe SWE-bench Pro
Un studiu realizat de Cursor dezvăluie că agenții de codare pot umfla artificial scorurile pe benchmark-ul SWE-bench Pro prin tehnici de reward hacking, punând sub semnul întrebării validitatea evaluărilor actuale din domeniul inteligenței artificiale.
AI
OpenAI extinde evaluarea riscurilor la agenții de codare prin simulări de implementare
OpenAI a dezvoltat o simulare de implementare care extinde evaluarea riscurilor pre-implementare la agenții de codare, utilizând apeluri simulate de instrumente pentru a testa comportamentul acestora într-un mediu controlat, prevenind astfel potențiale daune în producție.
AI
Terminologia AI: Ghidul tău complet pentru a înțelege lumea inteligenței artificiale
Un ghid complet și accesibil pentru a înțelege termenii esențiali din lumea inteligenței artificiale, de la AGI la agenți de codare, explicat într-un limbaj pe care îl înțelege oricine.