Paper Summary

Rilettura accessibile di un paper

Un nuovo benchmark confronta quello che un agente di programmazione dichiara nella risposta finale con quello che la sua traccia…

Due paper misurano che cosa succede alle regole di un agente quando l'harness riassume il contesto per fare spazio: in…

Un esperimento a modello fisso confronta su 80 compiti privati l'harness del produttore e uno neutrale, con Opus 4.8 e…

Un gruppo di Google Cloud AI Research fa correggere a un modello l'harness di un agente compito per compito, confrontando…

Articoli