Elvisは、OpenAIが独自のコンピュータを備えたdotsを発表したと述べている
Elvisは、OpenAIがdotsを発表したと述べている。ここ数日テストを続け、移動からセッションと会議の設定まで、DevDay全体の整理に使ったという。
dotsには能動的な機能と独自のコンピュータがあり、作業を整理するノート作成ツールもあると述べている。コラボレーションについては、まだやるべき作業が残っているとも述べている。
関連AIニュース
Viktor、Slack向けエージェント評価アシスタントで100ドル相当のクレジット付きトライアルを提供
Viktorは、AIエージェントのハーネス評価ログを分析し、リグレッションの原因となった具体的な変更を特定してロールバックを提案するSlack向けAI社員を提供している。クレジットカード登録不要で100ドル分のクレジットが利用できる無料トライアルも用意されている。
NVIDIAが論文発表、エージェントハーネスとモデルを共進化させるフレームワーク「VERA」
NVIDIAの研究論文は、ベンチマークの実行軌跡をルーブリック評価付きの9,000以上の再起動可能なサンドボックスへと変換し、モデルの重みと並行してエージェントハーネスを共進化させるシステム「VERA」を発表した。同チームは環境コーパスをオープンソース化し、27BエージェントがAutoCoWorkBenchで71.6スコアを記録してClaude Opus 4.8を上回ったと報告している。
Harness-Aware Distillationにより小型モデルエージェントのALFWorld成功率が63.4%に向上
教師モデルの判断を対比させることで、小型言語モデルエージェントにハーネス情報の活用法を学習させる訓練フレームワーク「Harness-Aware Distillation」に関する研究論文が公開された。これにより訓練された生徒モデルは、未知のALFWorldタスクで63.4%の成功率を達成し、8Bの教師モデルを上回った。
VeriHarness、ベースモデルを長期的なエージェントタスク向け検証器に変える
Google の論文 VeriHarness は、同じベースモデルを使って、争いのある主張と全会一致のエージェント主張の両方を検証する。証拠に基づく修正により、単一 rollout と比べて Gemini 3.5 Flash で 6.2 ポイント、Claude Opus 4.8 で 6.4 ポイントの改善を報告している。
CMUの論文、ソルバーを変えずにエージェントのハーネスを編集する4B提案モデルを訓練
このハーネス学習論文は強化学習を用いて、提案モデルがタスク、現在のハーネス、実行レポートからハーネスコードを修正する。訓練された4B提案モデルはReasoning Gymの単一ステップ改訂で35B教師モデルを上回り、HotpotQAでの訓練はMuSiQueと2WikiMultihopQAに転移する。