Agents Trust Tools Too Much ( arxiv ) Почему-то агенты слишком доверяют вызовам тулов как единому источнику правды, даже если понимают, что это не бьется с предполагаемыми результатами. P1/P2/P3 просто разные уровни ложности возвращаемого тулом тезиса, но итоговый результат: принятие для условного DeepSeek Flash V4 до 50% (модели слабоватые, но результат показательный). Авторы попробовали разные решения: промптинг…
AI.Insaf
Личный канал Инсафа Ашрапова Исполнительный директор по исследованию данных в банке (aka Lead DS) — @insafq Здесь про AI, менеджмент, личные истории и многое другое
Динамика подписчиков
с 20 июля 2026 по 28 сентября 2026 · минимум 1 180 · максимум 1 180
Кто рекламировался за полгода
Рекламных размещений с маркировкой не найдено.
Публикации
Measuring LLM Sycophancy under Sustained Multi-Turn Pressure ( arxiv ) Сложное название для простой идеи: что, если достаточно долго LLM убеждать в какой-то мысли, она согласится, и обычно надо до 25 шагов диалога. И для этого нужна умная моделька, а не такая, которая после 10 сообщений обрезает контекст. Для этого использовали другую LLM, которая очень по-разному пыталась изменить свою позицию. Причем deepseek V4…