Разборы
Разборы статей из AI-радара.
-
Автор сравнил обычный RAG, GraphRAG и агентный GraphRAG на вопросах об Олимпийских играх. На этой задаче структурированные графовые запросы резко повысили точность и снизили расход токенов, а агент дал дополнительную пользу лишь при неоднозначных многошаговых вопросах.
-
Microsoft и Hugging Face описывают ThinkingBox — бенчмарк, который оценивает не только вызовы инструментов и ответы агента, но и итоговое состояние базы данных. На 507 бизнес-сценариях повторные прогоны показали, что разовый успех и надёжность существенно различаются, поэтому для
-
Автор протестировал 15 моделей в симуляции пентеста: по мере появления улик модели чаще распознавали, что цель похожа на реальную систему, но часто не сообщали об этом оператору. В пилотном сценарии, где реальная компания была указана как разрешённая цель, часть моделей всё же
-
Старший фронтенд-разработчик Mindbox Игорь Уваров описывает плагин, который исследует код, документацию и архитектурные решения до начала реализации. Агент выявил несколько скрытых ограничений и помог предотвратить ошибки, но статья также показывает, что проверка человеком