Anthropic заявила о решении проблемы памяти ИИ-агентов для долгой работы
Anthropic представила двухэтапную архитектуру для решения проблемы памяти в долгоживущих AI-агентах, использующую агента-инициализатора и кодирующего агента в Claude Agent SDK.
Anthropic представила двухэтапную архитектуру для решения проблемы памяти в долгоживущих AI-агентах, использующую агента-инициализатора и кодирующего агента в Claude Agent SDK.
Онтология становится ключевым решением для преодоления смыслового разрыва в данных между разными бизнес-системами при внедрении AI-агентов.
Китайские исследователи разработали General Agentic Memory — архитектуру памяти для ИИ-агентов, которая превосходит RAG в тестах и решает проблему потери контекста в длинных диалогах.
Perplexity представила систему памяти для ИИ-ассистентов, позволяющую запоминать предпочтения пользователей и историю бесед для более персонализированных ответов.
DataRobot представила комплексную методику оценки производительности ИИ-агентов, выходящую за рамки традиционных метрик точности и охватывающую операционную эффективность и бизнес-ценность.
RAG-MCP решает проблему контекстного распада в MCP-системах, улучшая выбор инструментов и сокращая промпты на 50% через семантический поиск.
Microsoft представила два метода защиты приватности для ИИ-агентов на основе теории контекстуальной целостности, снижающих утечку информации до 7-8%.
Tavily делится инженерными подходами к созданию исследовательских агентов ИИ, фокусируясь на контекстной инженерии и эффективной обработке информации.
Ведущие компании переходят от универсальных ИИ-моделей к специализированным агентам, создавая решения для кибербезопасности, электронной коммерции и проектирования чипов.
Microsoft выпустила Fara-7B — компактную агентскую модель для автоматизации работы с компьютером. При 7 млрд параметров она работает на уровне крупных систем и доступна локально.