Zlatá evalační sada je kurátorovaný soubor vstupů z reálného provozu, které jsou spárovány s ověřenými očekávanými výstupy. Sada je verzována v systému Git a spouští se před každým nasazením jako regresní test chování modelu.

Společnost Anthropic představila svůj nejnovější model Claude Haiku 5.5, který je navržen jako rychlé a cenově dostupné řešení pro uživatele. Tento nový model se zaměřuje na efektivitu a nízké náklady, což z něj činí dostupnou alternativu pro různé typy úloh vyžadujících rychlou odezvu.

Společnost Postman při vývoji funkce Agent Mode přišla k poznatku, že největší překážky ne spočívají v kvalitě samotného modelu nebo v návrhu promptů, jak tým původně očekával. Hlavní potíže přineslo začlenění agenta do již vyspělého produktu, který je vybudován na základě dlouholetých předpokladů o interakci uživatelů prostřednictvím rozhraní.

Tým NVIDIA KGMON obsadil druhé místo v soutěži KDD Cup 2026 Data Agents. Jeho systém vycházel z jednoduché myšlenky: udělat takzvaný harness, tedy okolní prostředí agenta, menší, přehlednější a snáze ověřitelný.

Výzkumníci z Microsoft Research představili nový framework Agent Lightning, který řeší zásadní nedostatek v učení agentů pomocí posilovaného učení (RL). Většina dosavadních systémů pro agentní RL totiž vyžaduje, aby vývojáři znovu implementovali agenta uvnitř trénovacího frameworku.