AutoSynthData: генерация данных из провалов модели
ServiceNow CoreAI представили AutoSynthData — пайплайн, который превращает слабые места агентов в тренировочные данные. Он использует ошибки целевой модели и успехи более сильной «учительской» модели, чтобы решать, чему учиться дальше, а затем генерирует и валидирует новые задачи. По мере роста модели куррикулум смещается к тому, что всё ещё даётся сложно.
Почему важно: Подход завязан на конкретное окружение: системы, правила и состояние данных, в которых работает агент. Если модель стабильно ошибается в определённом воркфлоу или комбинации инструментов, такой пайплайн позволяет нарабатывать новые задачи под этот пробел, а не ждать следующего крупного релиза базовой модели.
AWS Strands Labs выпустили Strands Decider 2B
Открытая модель для принятия решений, которая выбирает из вариантов примерно за 115 мс. Позиционируется как специализированный компонент для задач, где нужно быстро выбрать опцию, а не генерировать длинный ответ.
Почему важно: Низкая латентность — ключевая характеристика для агентных систем, где решение нужно принимать на каждом шаге. Отдельная модель на 2B параметров — это сигнал к тому, что выбор опции можно выносить из тяжёлого генеративного вызова в специализированный компонент.
Kodama — мультиагентный пак для Kiro CLI: один оркестратор, восемь специалистов, zero lock-in. Если вы строите CLI-агентов, стоит посмотреть на такое разделение ролей — оно позволяет менять отдельных специалистов, не трогая всю систему.
Карта для оплаты AI · Claude Pro на неделю · Manus
Комментариев пока нет.