Agent může projít všemi deterministickými testy a přesto dát špatnou odpověď. Podle návodu OpenRouter například zavolá správný nástroj pro vyhledání objednávky, načte správnou politiku vrácení peněz a ve finální zprávě pak vynechá lhůtu, na které zákazníkovi nejvíc záleží.
OpenAI 17. září 2026 představila produkt Astra for Law. Kombinuje model GPT-6 Astra s nástroji a kontextem přizpůsobenými právní práci.
NVIDIA zveřejnila na GitHubu sadu nazvanou DOCA AI agent skills. Podle firmy má AI agentům při vývoji na platformě DOCA poskytnout ověřené podpisy API, požadavky na hardwarové schopnosti a omezení při sestavování kódu.
Hodnocení agentů umělé inteligence se podle autorů blogu NVIDIA muselo posunout od posuzování jednoho volání funkce k posuzování celého úkolu. Při nasazení agenta je podle nich klíčové, zda zvládne řetěz práce přes desítky po sobě jdoucích volání nástrojů v živém prostředí.
Tým NVIDIA podle svého technického blogu vytvořil agentní dovednost (skill), která překládá GPU kernely z cuTile Python a Triton-TileIR do cuTile Rust. Autoři s její pomocí převedli všech 24 veřejných operátorů knihovny TileGym.
Podle autorů NeMo Relay poskytuje jednotný způsob, jak zaznamenávat podklady pro vyhodnocení změn v agentním harnessu. ATOF uchovává uspořádané události životního cyklu a ATIF zobrazuje stejný běh jako čitelnou trajektorii.
