Hacker News · 18.06.2026 ·Исследования и наука

Anthropic представила результаты второго этапа исследования Project Fetch

Компания Anthropic опубликовала отчет о втором этапе проекта Fetch, посвященного изучению способности языковых моделей к автономному поиску и извлечению информации из интернета. Исследователи сосредоточились на том, как модели справляются с многоэтапными задачами, требующими навигации по веб-страницам, анализа неструктурированного контента и принятия решений в условиях меняющейся среды.

В ходе экспериментов оценивалась эффективность агентов при выполнении сложных поисковых запросов, где недостаточно простого обращения к поисковой системе. Модели должны были самостоятельно определять релевантность ссылок, обходить элементы интерфейса и адаптироваться к различным структурам сайтов. Основное внимание уделили минимизации ошибок при навигации и повышению точности извлечения данных из динамических источников.

Результаты показывают, что текущие архитектуры демонстрируют прогресс в понимании контекста веб-страниц, однако все еще сталкиваются с трудностями при работе с глубокими иерархиями сайтов. Исследование подчеркивает важность разработки более надежных механизмов планирования для ИИ-агентов, которые взаимодействуют с внешними цифровыми инструментами. Полученные данные станут основой для дальнейшего совершенствования способности моделей к автономному взаимодействию с глобальной сетью.

Источник: Hacker News

Похожие материалы

Hugging Face - Blog · Оценка и бенчмарки Новый подход к оценке агентных способностей открытых моделей Hugging Face представила методологию для оценки того, насколько эффективно языковые модели справляются с использованием внешних инструментов. В отличие от стандартных тестов на логику или знание фактов, новый подход фокусируется на способности модели вызывать функции, интерпретировать ответы API и корректировать свои действия в рамках многошаговых задач. Это позволяет разработчикам точнее определять, какая модель лучше подходит для создания автономных агентов. arXiv · Инфраструктура для агентов Переосмысление архитектуры интернета для работы ИИ-агентов Современная архитектура интернета на протяжении тридцати лет проектировалась исключительно под человеческое восприятие. Весь стек технологий, от моделей доступа до экономики внимания и форматов представления контента, оптимизирован для пользователей-людей. Появление автономных ИИ-агентов, выступающих посредниками между человеком и цифровой средой, делает эту парадигму устаревшей, создавая барьеры для эффективной автоматизации и взаимодействия систем. Hacker News · Инфраструктура для агентов Практический опыт разработки ИИ-агентов для автоматизации браузерных задач Разработка автономных агентов требует перехода от простых цепочек промптов к сложным системам управления состоянием и обработки ошибок. Основная сложность заключается в обеспечении надежности действий модели в реальной среде, где интерфейсы веб-сайтов постоянно меняются, а сетевые задержки могут привести к сбоям в выполнении последовательных команд. Hacker News · Безопасность и алайнмент Сравнение моделей ИИ по способности к исследованию безопасности Недавно исследователи из ZeroQuarry провели сравнительный анализ различных языковых моделей (LLM) на предмет их способности выполнять задачи в области безопасности. В исследовании участвовали модели от OpenAI, Mistral, Anthropic и других, которые тестировались на различных сценариях, связанных с выявлением уязвимостей, анализом кода и генерацией рекомендаций по защите. Hacker News · Модели и релизы Исследование: динамика развития языковых моделей Исследователи из Artificial Analysis провели анализ динамики развития языковых моделей, включая модели от Anthropic и Mistral. В исследовании рассматривается, как меняется интеллект моделей с течением времени, что позволяет лучше понять их эволюцию и потенциал. Hacker News · Оценка и бенчмарки Сравнение производительности LLM в динамических агентных сценариях Платформа OpenRouter представила результаты тестирования различных языковых моделей в условиях симуляции, где агенты должны принимать решения в режиме реального времени. В рамках эксперимента модели помещались в динамическую среду, требующую быстрой реакции на меняющиеся обстоятельства. Цель исследования заключалась в оценке того, как архитектурные различия и методы обучения влияют на способность моделей эффективно управлять автономными объектами в условиях ограниченного времени. The latest research from Google · Память и RAG Исследование Google: как обучить ИИ разумно рассуждать Исследователи Google представили новый подход к обучению языковых моделей разумному рассуждению на основе байесовских принципов. В статье, опубликованной на официальном блоге Google Research, описывается метод, который позволяет моделям лучше обрабатывать вероятностные данные и принимать решения в условиях неопределенности. Это особенно важно для разработки ИИ-агентов, которые должны работать в динамических и сложных средах, где точность и логичность рассуждений критически важны. arXiv · Память и RAG Как RAG помогает ИИ-агентам решать сложные задачи через аналогии Исследователи из MIT и Google Research предложили новый подход к улучшению способности языковых моделей решать сложные задачи через аналогии. В работе, опубликованной на arXiv, они демонстрируют, как Retrieval-Augmented Generation (RAG) может быть адаптирован для более эффективного решения задач, требующих нестандартного мышления. arXiv · Оценка и бенчмарки Языковые модели могут оценивать ценность своих стратегий Исследователи изучили, способны ли языковые модели оценивать ценность своих текущих стратегий, то есть вероятность достижения целей. Для этого они использовали синтетические данные обучения с подкреплением и построили "ось ценности" для модели Qwen3-8B. Оказалось, что активации вдоль этой оси различают высокий и низкий уровень уверенности, а также успешные и неудачные стратегии. arXiv · Исследования и наука EurekAgent: как ИИ-агенты автоматизируют научные открытия Исследователи из MIT и других ведущих университетов представили EurekAgent — фреймворк, который демонстрирует, как LLM-основанные агенты могут автоматизировать научные открытия. В статье, опубликованной на arXiv, авторы показывают, что при наличии оптимизируемого метрика и подходящей среды выполнения, агенты способны предлагать, проверять и итерировать научные решения, превосходя человеческие подходы.

← Все материалы