Le filThèmes : AgentsÉvaluationsRecherche
Un papier pose les fondations des agents proactifs et propose le banc d’essai Proactivity-Gym
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
Évalué sur 23 configurations modèle-harnais, le banc d’essai révèle de gros écarts de performance. Dans une étude de 30 participants, la confiance chute nettement après une intervention mal alignée.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJio Oh, Seunghyun Do, Young-Jun Lee et al.huggingface.co
Foundations of Proactive Agents: Principles, Technical Layers, and Proactivity-Gym (site externe)
Proactive LLM agents can turn idle compute into useful support before users ask. Yet even correct work can misread user context, impose review costs, or undermine trust.
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