实体
Bartosz Kotrys
Bartosz Kotrys
PulseAugur coverage of Bartosz Kotrys — every cluster mentioning Bartosz Kotrys across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法通过分析执行历史来调试AI代理
一种新的调试AI代理的方法侧重于分析代理的执行历史,而不仅仅是最终代码。该方法包括检查已保存的会话,以识别重复的失败、被忽略的指令以及被遗忘的模型设置。通过审查这些证据,开发人员可以改进后续的代理运行,并比较不同模型和平台上不同指令的有效性。
-
Claude 多模型编排在基准测试中适得其反,代价更高但效果更差
一项将四个 Claude 模型连接起来用于 Terminal-Bench 2.1 基准测试的实验,揭示了多模型编排的显著弊端。该设置旨在利用一个强大的模型进行监督,而使用更便宜的模型执行任务,结果 Opus 模型拒绝执行有效的安全相关命令。此外,跳过的审查步骤和低效的委托导致与单模型方法相比,成本增加且成功率降低。作者发现,四模型系统解决了 78% 的任务,成本为 1,178 美元,在总排名中位列第七,并且比表现最佳的单模型昂贵得多。