Le filThèmes : RechercheAgentsÉvaluations
Le MIT et Sakana AI présentent SIFT, qui réduit le coût d’évaluation des agents de code qui s’auto-améliorent
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
SIFT utilise un juge LLM pour classer les améliorations proposées avant de lancer des évaluations complètes. Une expérience atteint 35,1 % de précision avec nettement moins de calcul que les approches précédentes.
Propagation1 article, publié par TLDR IT le 5 oct. à 14 h 23.
Les sources
1 article
Aucune source primaire : la page de l’auteur du fait n’est pas parmi les sources.
TLDR ITRelais
venturebeat.com
MIT and Sakana AI make self-improving agents cheaper to evaluate (site externe)
SIFT uses an LLM judge to rank proposed coding-agent improvements before spending compute on full benchmark runs. One experiment reached 35.1% accuracy while using substantially less compute than previous search approaches.
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