Le Crible

Édition de 14 h

Le filThèmes : AgentsÉvaluations

Une instruction « Do not guess » fait passer les champs inventés de 71 % à 20 % dans un test d’extraction web

1 sourcemis à jour 27 sept.pertinence 3,8 sur5

L’essentiel

Sur 16 modèles, 405 des 573 champs absents sont inventés sans la phrase, contre 116 sur 574 avec elle. Firecrawl en invente 24 sur 36. GPT-⁠6 Luna, utilisé comme vérificateur, détecte 38 valeurs inventées sur 49.

Propagation1 article, publié par earnanhonestdollar.com le 27 sept. à 19 h 24.

Les sources

1 article

Sur les mêmes thèmes

  1. Agents

    LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian

    Pertinence 4,2 sur51 source

  2. Évaluations

    Microsoft publie ThinkingBox, un benchmark qui note les agents sur l’état final de la base de données

    Pertinence 4,0 sur51 source

  3. Agents

    SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents

    Pertinence 4,0 sur51 source

  4. Agents

    Weave publie en open source Weave Router 2.0, qui oriente les agents de code vers différents modèles

    Pertinence 4,0 sur51 source

À lire ensuite

  1. Modèles

    Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind

    Pertinence 5,0 sur54 sources

  2. Modèles

    OpenAI lance GPT-⁠6 Sol et GPT-⁠6 Luna, deux modèles plus économiques qui complètent GPT-⁠6 Astra

    Pertinence 5,0 sur55 sources

  3. Modèles

    Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-⁠6 Sol et GPT-⁠6 Luna à environ une heure d’écart

    Pertinence 5,0 sur55 sources

  4. Modèles

    Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5

    Pertinence 4,9 sur52 sources