Μετάβαση στο περιεχόμενο

Έρευνα

Τα άρθρα του AI Benchmark στην ενότητα «Έρευνα», με τις πηγές τους.

Προσαρμογέας LoRA για το Qwen3.8-27B: Terminal-Bench 2.1 από 39.5% σε 55.8% με RL μέσα στο harness

Έρευνα2 πηγές

Η Hugging Face εκπαίδευσε με ενισχυτική μάθηση προσαρμογείς για πράκτορες κώδικα. Στο pi η επιτυχία στο Terminal-Bench 2.1 ανεβαίνει από 39.5% σε 55.8%, με περίπου μισά tokens ανά εργασία.

Lazarus: Microsoft Research περιγράφει backdoor σε LLM με επαναπρογραμματισμό λιγότερων από 10 νευρώνων

Έρευνα

Η Microsoft Research αναφέρει ότι η αλλαγή βαρών σε λιγότερους από 10 αδρανείς νευρώνες αρκεί για backdoor σε agent, χωρίς εκπαίδευση. Το μοντέλο συνεχίζει να περνά τις τυπικές αξιολογήσεις.