科技

Tech

科技最新文章(第 5 頁)

Sakana AI MASS 自我改進模型可靠嗎?評測要看盲點

Sakana AI 的 MASS 讓同一模型分工解題、改工作流程並評判成果,再把多代理經驗用於微調。研究在部分研究基準看到提升,也有基準退步;導入前應用獨立測試、外部查核與成本監測確認改進是否可靠。

張饒輝 Lightman Chang 16 分鐘

AI 代理自主研究的 5 個驗證缺口

Epoch AI 的 InnovationEval 與 Anthropic 系統卡呈現研究代理在實驗重現、方法範圍與結果報告上的限制。了解如何查核原始紀錄、重跑分析並設置人工核定點。

張饒輝 Lightman Chang 16 分鐘

AI 代理團隊成本效益怎麼評估?5 個驗收面向

Vals AI 以 50 個網頁應用任務比較單一代理與多代理團隊,團隊成本高出 1.8 至 5.1 倍,只有一組品質差異達統計顯著。技術團隊可從合格率、每件合格成果成本、完成時間與整合缺陷,判斷任務是否適合分工。

張饒輝 Lightman Chang 20 分鐘

什麼是 AI 代理信任設計?從介面到權限控制

AI 代理的親切外觀可能影響部分使用者的信任判斷,但好感不等於系統可靠。文章整理擬人化研究的適用範圍,以及資料讀取、內容草擬與對外執行的權限設計,並提供產品團隊可檢查的狀態提示、確認、撤回與紀錄原則。

張饒輝 Lightman Chang 14 分鐘