Arize AI
Az olcsóbb működéshez önmagában nem elég a promptok gyorsítótárazása
A promptok gyorsítótárazása csökkentheti az ismétlődő bemenetek feldolgozásának költségét, de az Arize AI tesztje szerint a magas cache újraolvasási arány önmagában nem…
Az Arize AX MCP-szervert indított, de a CLI-t és a skilleket is megtartja
Az Arize AI hosztolt MCP-szervert indított az Arize AX platformhoz, amely Claude Code, Cursor és Claude Desktop alatt teszi elérhetővé az AX műveleteit. A vállalat…
Az Anthropic Claude-ja éles ügynökök nyomaiból épít teszteket
Az Anthropic Claude-ja két új paranccsal támogatja az AI-ügynökök tesztelését és fokozatos javítását. Az Arize AI szerint a módszer akkor válik igazán használhatóvá, ha…
Az Arize Alyx ügynöke egyetlen fájlban tárolja a hosszú távú memóriát
Az Arize AI az Alyx AI-mérnöki ügynök hosszú távú memóriáját egyetlen, strukturált szövegfájlra építette fel felhasználónként és Arize space-enként. A vállalat szerint…
Az Arize AI egyetlen fájlra építette Alyx hosszú távú memóriáját
Az Arize AI egy strukturált szövegfájlra egyszerűsítette Alyx, az Arize AX mesterségesintelligencia-mérnöki ügynökének hosszú távú memóriáját. A cég szerint a megoldás…
Az Alyx mostantól több munkameneten át emlékszik a munkára
Az Arize AX AI-mérnöki ügynöke, Alyx, mostantól hosszú távú memóriával őrzi meg a munkamenetek között fontos kontextust. A funkció alapértelmezés szerint minden Arize…
Az Alyx mostantól emlékszik a korábbi munkamenetekre
Az Arize AX AI-mérnöki ügynöke, Alyx, hosszú távú memóriát kapott, így a munkamenetek között is megőrizhet projektcélokat, munkafolyamatokat és korábbi döntéseket. A…
Az Arize és a MongoDB együtt készítené fel az AI-ügynököket a termelésre
Az Arize AI launch partnerként csatlakozik a MongoDB Atlas Agent Engine platformjához, hogy az AI-ügynökök futtatása mellett azok részletes megfigyelését és értékelését…
Az Arize és a MongoDB az éles AI-ügynökök fejlesztését segíti
Az Arize AI a MongoDB Atlas Agent Engine induló partnereként integrálja az Arize AX megfigyelhetőségi és értékelési eszközeit a platformmal. A cél, hogy a vállalatok…
Az agent harnesses nem tűnnek el, de gyorsabban kell fejlődniük
Egy új kutatás szerint az agent harnesses, vagyis az ügynöki rendszereket eszközökkel, szabályokkal és memóriával támogató rétegek bizonyos részei betaníthatók magába a…
A modellek átvehetik az ügynöki keretek egy részét
Egy új kutatás szerint az ügynöki keretek, vagyis a modelleket eszközökkel és szabályokkal segítő rendszerek egyes részei közvetlenül betaníthatók a modellbe. A keretek…
Jev-as-a-Judge értékelés érkezett az Arize AX platformra
Az Arize AX közvetlenül integrálta a TypeSafe AI Jev döntési modelljét, így a csapatok natív módon értékelhetik a gyártási nyomokat. A Jev-as-a-Judge strukturált…
Az Arize AX közvetlenül támogatja a Jev-as-a-Judge értékeléseket
Az Arize AX natív integrációt kapott a TypeSafe AI Jev rendszerével, így a csapatok közvetlenül a platformon értékelhetik a gyártásból származó nyomkövetéseket. A Jev…
A Jev valószínűségei olyan hibákat is jeleznek, amelyeket az LLM-ek elrejtenek
A Jev címkénkénti valószínűségei megbízhatóan jelezték, mikor tévedett az értékelésben, miközben az ismételten futtatott nyelvi modellek sok hibás döntésnél…
Az Arize Phoenix kódot ír a böngészőben a felhasználó helyett
Az Arize Phoenix PXI nevű ügynöke mostantól a webalkalmazás felületén keresztül is képes műveleteket összeállítani és végrehajtani. A megoldás a modell által írt…
Az Arize szerint a Jev 300-szor olcsóbban érte el Claude Opus 5 pontosságát
A Jev a Claude Opus 5-tel azonos, 87 százalékos pontosságot ért el az Arize hallucination detection tesztjén, miközben a vállalat szerint körülbelül 300-szor olcsóbb és…
A Jev gyorsabban szűri ki az LLM-ek veszélyes döntéseit
Az Arize AI összehasonlította a TypeSafe Jev döntési modelljét és az OpenAI GPT-5.4 nano modelljét egy autókereskedői chatbot védelmében. A Jev a bemutatóban 15-18-szor…
Az Arize AX minden csomagban elérhetővé tette az Agent-as-a-Judge funkciót
Az Arize AX szeptemberi frissítései a teljes beszélgetéseket önálló munkafolyamattá emelik, és minden csomagban elérhetővé teszik az Agent-as-a-Judge értékelőt. A…
A TypeSafe Jev döntéseket hoz, de egyetlen mondatot sem ír
A TypeSafe Jev olyan modell, amely osztályoz, pontoz és útvonalat választ, de nem generál szabad szöveget. A cég mérései szerint bizonyos feladatokon akár 200-szor…
Az Arize AI új módszerrel keresné az ügynökök rejtett hibáit
A produkcióban futó AI-ügynökök olyan hibákat is elkövethetnek, amelyekre a fejlesztők előre nem készítettek tesztet. Az Arize AI Signal nevű rendszere a futási nyomok…
Az AI-üzemeltetésben az ügynökök kutatják fel a hibákat
Az AI-alkalmazásokat fejlesztő csapatoknál egyre nagyobb gondot jelent a gyártási hiba és a javítás közötti idő. Az Arize AI szerint az ügynökök elsőként átvizsgálhatják…
A Coinbase Wallet három hétre leállt, hogy átálljon az ügynökalapú fejlesztésre
A Coinbase Wallet közel három hétre leállította a kiadásokat, és arra kérte mérnökeit, hogy töröljék fejlesztői környezetüket. A kísérlet célja az volt, hogy a csapat a…
Az Arize AI menedzselt ügynöke az LLM-költségek csökkentését célozza
Az Arize AI olyan menedzselt ügynököt épített az AX platformba, amely az LLM-alapú alkalmazások költséges működési pontjait keresi meg. A Cost Agent a megfigyelési…
Két rejtett hibát talált az Alyx működésében az Arize Signal
Két rejtett újrapróbálkozási hurkot talált az Arize saját, élesben működő Alyx AI-ügynökében a Signal nevű elemzőeszköz. A hibák nem összeomlásként jelentkeztek, hanem…