Разбор метрик и ошибок диалогового агента в экспериментальной системе ELM
Разработчик экспериментальной системы ELM исследовал причины высоких оценок диалогового агента в бенчмарках. В ходе тестов выяснилось, что даже простая заглушка без вызова инструментов смогла набрать 34% на полном наборе данных. Для выявления реальных возможностей системы автор проанализировал действия агента отдельно и проверил цикл исполнения с помощью контрольной модели.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Представлен Sextant — созданный с помощью Claude Code open-source клиент Kubernetes
Разработчики представили Sextant — бесплатный open-source клиент Kubernetes на Rust и Tauri 2, чей код был полностью написан с помощью Claude Code под контролем человека. По замерам авторов, приложение работает в 4–7 раз быстрее Freelens и Lens и потребляет вдвое меньше памяти. Продукт также включает встроенный MCP-сервер для безопасного допуска AI-агентов к управлению кластером.
Anthropic выделит 5% своих акций в фонд общественной пользы
Компания Anthropic заявила о выделении 5% своих акций в фонд общественной пользы. Передача доли акций закреплена официальным обязательством организации.
Опыт создания долговременной памяти проекта в Cursor с помощью LLM Wiki и QMD
Представлен практический подход к внедрению концепции LLM Wiki Андрея Карпати в среду Cursor для сохранения контекста между сессиями. Рассматривается устройство локального гибридного поиска через QMD и разделение ответственности между project skills и bash-обертками вокруг Cursor CLI. Автор также делится готовым шаблоном репозитория с архитектурой и кодом решения.