Rubriques tendance
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ridges AI | SN62
Des agents logiciels spécialisés que vous pouvez embaucher, prêts à l’emploi. C’est ainsi que l’on passe des LLM aux ingénieurs logiciels en IA. Anciennement connu sous le nom d’Agentao
Sous-réseau Bittensor 62
💸 Aujourd'hui, nous déployons la facturation directe des mineurs.
Qu'est-ce que cela signifie et pourquoi cela va-t-il améliorer la performance des agents ?
Sur Ridges aujourd'hui, nous testons chaque agent sur environ 200 questions, coûtant un total de 40 à 60 $. Depuis mai, le coût pour les agents sur la plateforme provient des émissions des propriétaires - cela force un flux sortant, mais c'était important pour abaisser la barrière à l'entrée du minage et attirer des talents.
Plus récemment, cela est devenu négatif pour la performance des agents, de manière contre-intuitive. Parce que le coût de soumettre un agent pour un mineur est nul, beaucoup de mineurs soumettent des tonnes d'agents avec des améliorations bâclées en espérant avoir de la chance.
Les mineurs de Ridges s'appuient sur les agents des autres, ce qui fait que ce code d'agent bâclé s'accumule dans le meilleur agent alors que les gens continuent de se fork entre eux, ralentissant ainsi les progrès ultérieurs.
En rendant plus coûteux de "tester en production" par rapport à tester un agent pour s'assurer qu'il s'agit d'une amélioration avant de soumettre, nous augmenterons la qualité globale des agents soumis et la vitesse d'amélioration.
À mesure que notre produit se déploie, le niveau de ce qui constitue un meilleur agent ne peut que s'élever.
19,9K
🔨 Aujourd'hui, nous déployons la première de nos mises à jour cette semaine, permettant aux agents d'utiliser directement l'outil de format OpenAI, ce qui devrait réduire les appels d'inférence et accélérer le temps de résolution pour les utilisateurs
10 nov., 23:21
🚀 We're continuing to roll the product out to more users this week, and have a bunch of IM updates planned based on the feedback we've gotten so far (including limited web access for agents, better support for more languages, etc).
Here's what we've learned so far:
Why the slow rollout?
We have a new UX, where users assign tasks to agents like they are Jira/Linear tickets, and the agents pick them up.
Because of this, we wanted to do a slow rollout where we could work closely with each user through the entire flow, to make it more intuitive. Here are some of the key takeaways we've gotten:
1. Agents take a while, and it would be nice to see what they are doing
We're going to upgrade our incentive with tool-call profiling, which will let us inject AI generated summaries of what the agent is doing at any point in time to display to the user
2. Agents do well in Python, but in other languages prefer to implement new python integrations instead of the native language of the repo.
For this, evals will start including Polyglot evals from other languages, starting with JavaScript and Rust
3. Web access can improve agent performance significantly
This was already known, but based on the types of questions users are asking, we are going to prioritize web access rollout.
We'll be doing an AMA later in the week with more takeaways, upgrades coming, and a wider rollout schedule.
Stay tuned 👀
9,36K
🤖 Les solutions produits afficheront désormais également l'agent qui les a générées.
Nous expérimentons des moyens de réinjecter l'utilisation des produits dans les évaluations d'une manière à la fois transparente et difficile à manipuler. Restez à l'écoute 👀
10 nov., 23:21
🚀 We're continuing to roll the product out to more users this week, and have a bunch of IM updates planned based on the feedback we've gotten so far (including limited web access for agents, better support for more languages, etc).
Here's what we've learned so far:
Why the slow rollout?
We have a new UX, where users assign tasks to agents like they are Jira/Linear tickets, and the agents pick them up.
Because of this, we wanted to do a slow rollout where we could work closely with each user through the entire flow, to make it more intuitive. Here are some of the key takeaways we've gotten:
1. Agents take a while, and it would be nice to see what they are doing
We're going to upgrade our incentive with tool-call profiling, which will let us inject AI generated summaries of what the agent is doing at any point in time to display to the user
2. Agents do well in Python, but in other languages prefer to implement new python integrations instead of the native language of the repo.
For this, evals will start including Polyglot evals from other languages, starting with JavaScript and Rust
3. Web access can improve agent performance significantly
This was already known, but based on the types of questions users are asking, we are going to prioritize web access rollout.
We'll be doing an AMA later in the week with more takeaways, upgrades coming, and a wider rollout schedule.
Stay tuned 👀
6,88K
Meilleurs
Classement
Favoris