وسم

#agent-evaluation

٥ مقالات

الذكاء الاصطناعي والتعلم الآلي٢٤ سبتمبر ٢٠٢٦١٣ دقيقة
سمات OpenTelemetry gen_ai: ٦٠ سيتم إيقاف دعمها في ٢٠٢٦
كل الـ ٦٠ سمة الخاصة بـ gen_ai في الاصطلاحات الدلالية الأساسية لـ OpenTelemetry أصبحت الآن مهجورة. لقد راجعت كل إصدار: ٨ تم تغيير أسمائهم، ٢ تم حذفهم، و٥٠ تم نقلهم ببساطة.
الذكاء الاصطناعي والتعلم الآلي٢٦ أغسطس ٢٠٢٦١٥ دقيقة
معيار موثوقية وكلاء الذكاء الاصطناعي ٢٠٢٦: ٦٥٪ مرة واحدة، ٢٥٪ دائماً
ThinkingBox هو معيار جديد لقياس موثوقية وكلاء AI: حقق أفضل نموذج نسبة نجاح ٦٥٫٣٦٪ في pass@1 ولكن ٢٥٫٢٥٪ فقط في pass^٢٠ عبر ٥٠٧ مهمة لوكلاء أعمال ذوي حالة (stateful).
الذكاء الاصطناعي والتعلم الآلي٧ أغسطس ٢٠٢٦٢٢ دقيقة
مقاييس أداء Muse Code لعام ٢٠٢٦: أدوات الاختبار تغيرت أيضاً
حققت Muse Code من Meta مكاسب كبيرة في Terminal-Bench 2.1 مقارنة بـ Muse Spark 1.1 — ولكن أدوات الاختبار تغيرت أيضاً. إليكم ما تقوله لوحة المتصدرين الموثقة عن قيمة أدوات الاختبار.
الذكاء الاصطناعي والتعلم الآلي٥ أغسطس ٢٠٢٦٣٠ دقيقة
موثوقية وكلاء الذكاء الاصطناعي ٢٠٢٦: الهيكلة تتفوق على التعليمات
قاست ثلاث أوراق بحثية في يوليو ٢٠٢٦ مدى موثوقية وكلاء AI: حيث أضافت حلقة التحقق ١٫٥ نقطة، واستعادت الحواجز الوقائية (guardrails) نسبة ١٩٫٩٪ من الإخفاقات، بينما لم تؤثر قواعد التلقين (prompt rules) تقريباً.
الذكاء الاصطناعي والتعلم الآلي١٥ يوليو ٢٠٢٦٢١ دقيقة
مراقبة Claude Agent SDK باستخدام OpenTelemetry (٢٠٢٦)
قم بتركيب OpenTelemetry في حلقة Claude Agent SDK داخل TypeScript: قم بتفعيل تصدير التتبع (trace export)، وقراءة شجرة spans الخاصة بـ claude_code، وإرسال spans حقيقية إلى backend.

كل المقالات في #agent-evaluation (٥)

سمات OpenTelemetry gen_ai: ٦٠ سيتم إيقاف دعمها في ٢٠٢٦

معيار موثوقية وكلاء الذكاء الاصطناعي ٢٠٢٦: ٦٥٪ مرة واحدة، ٢٥٪ دائماً

مقاييس أداء Muse Code لعام ٢٠٢٦: أدوات الاختبار تغيرت أيضاً

موثوقية وكلاء الذكاء الاصطناعي ٢٠٢٦: الهيكلة تتفوق على التعليمات

مراقبة Claude Agent SDK باستخدام OpenTelemetry (٢٠٢٦)