Le filThèmes : AgentsÉvaluationsRecherche
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
1 sourcemis à jour il y a 6 jpertinence 3,8 sur5
L’essentiel
Avec Opus 4.8, MILO atteint 86,1 ± 2,0 % sur Terminal-Bench 2.1, contre 83,8 ± 2,3 % pour la meilleure entrée du classement officiel, avec 26 % de tokens en moins que son harnais initial.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FacePrithwish Jana, Mononito Goswami, Hao Liu et al.huggingface.co
MILO: Automated Harness Discovery via Orchestrated Multi-Agent Evolution (site externe)
Modern agentic systems combine an AI model with a harness that controls execution and environmental interactions.
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
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
Évaluations
TraceDance construit automatiquement des benchmarks de comportement d’agents à partir de traces réelles
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