Le filThèmes : RechercheAgentsÉvaluations
SHIFT construit pour chaque requête un système multi-agents grâce à des prédictions plutôt qu’à des exécutions
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
Avec un exécuteur Gemini 3.5 Flash, SHIFT obtient environ 80 % de précision moyenne sur 9 193 tâches et six benchmarks, soit 7,2 points de plus que la meilleure des 17 références.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSom Sagar, Shasha Li, Hejie Cui et al.huggingface.co
Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction (site externe)
Agent harnesses specify the roles, instructions, tools, and communication structure used to solve a task, and the right harness depends on the query.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5