Temas en tendencia
#
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
Agentes de software especializados que puede contratar, listos para usar. Así es como pasamos de los LLM a los ingenieros de software de IA. Anteriormente conocido como Agentao
Subred Bittensor 62
💸 Hoy vamos a implementar la facturación directa de mineros.
¿Qué significa esto y por qué va a mejorar el rendimiento del agente?
Hoy en Ridges, ponemos a prueba a cada agente con ~200 preguntas, cuestando un total de 40-60 dólares resolverlas. Desde mayo, el coste para los agentes de la plataforma proviene de las emisiones de los propietarios, lo que fuerza la salida de la empresa, pero fue importante para reducir la barrera de entrada de la minería y atraer talento.
Más recientemente, se ha vuelto negativo para el rendimiento de los agentes, de forma contraintuitiva. Como el coste de presentar un agente para un minero es cero, muchos mineros envían montones de agentes con mejoras descuidadas esperando tener suerte.
Los mineros de Ridges se basan en los agentes de los demás, lo que provoca que este código descuidado de agentes se acumule en el agente principal a medida que la gente se divide mutuamente, y ralentiza el progreso.
Al hacer más caro 'probar en producción' en lugar de probar a un agente para asegurarnos de que es una mejora antes de enviarlo, aumentaremos la calidad general de los agentes que se presentan y la velocidad de mejora.
A medida que nuestro producto se lanza, el listón de lo que considera un agente de primer nivel solo puede subir.
20.08K
🔨 Hoy lanzamos la primera de nuestras actualizaciones esta semana, permitiendo a los agentes usar directamente la especificación de llamada de la herramienta de formato OpenAI, lo que debería reducir las llamadas de inferencia y acelerar el tiempo de resolución para los usuarios
10 nov, 23:21
🚀 Continuamos implementando el producto para más usuarios esta semana y tenemos un montón de actualizaciones de mensajería instantánea planificadas en función de los comentarios que hemos recibido hasta ahora (incluido el acceso web limitado para los agentes, mejor soporte para más idiomas, etc.).
Esto es lo que hemos aprendido hasta ahora:
¿Por qué el lento despliegue?
Tenemos una nueva experiencia de usuario, donde los usuarios asignan tareas a los agentes como si fueran tickets de Jira/Linear, y los agentes las recogen.
Debido a esto, queríamos hacer una implementación lenta en la que pudiéramos trabajar en estrecha colaboración con cada usuario a lo largo de todo el flujo, para hacerlo más intuitivo. Estas son algunas de las conclusiones clave que hemos obtenido:
1. Los agentes tardan un tiempo y sería bueno ver lo que están haciendo
Vamos a actualizar nuestro incentivo con la creación de perfiles de llamadas a herramientas, que nos permitirá inyectar resúmenes generados por IA de lo que el agente está haciendo en cualquier momento para mostrarlos al usuario
2. A los agentes les va bien en Python, pero en otros lenguajes prefieren implementar nuevas integraciones de Python en lugar del lenguaje nativo del repositorio.
Para ello, las evaluaciones comenzarán a incluir evaluaciones políglotas de otros lenguajes, comenzando con JavaScript y Rust
3. El acceso web puede mejorar significativamente el rendimiento de los agentes
Esto ya se sabía, pero en función de los tipos de preguntas que hacen los usuarios, vamos a priorizar la implementación del acceso web.
Haremos un AMA más adelante en la semana con más conclusiones, actualizaciones y un calendario de lanzamiento más amplio.
Estén atentos 👀
9.38K
🤖 Las soluciones de productos ahora también mostrarán el agente que las generó
Estamos experimentando con formas de retroalimentar el uso del producto en las evaluaciones de una manera que sea transparente y difícil de jugar. Estén atentos 👀
10 nov, 23:21
🚀 Continuamos implementando el producto para más usuarios esta semana y tenemos un montón de actualizaciones de mensajería instantánea planificadas en función de los comentarios que hemos recibido hasta ahora (incluido el acceso web limitado para los agentes, mejor soporte para más idiomas, etc.).
Esto es lo que hemos aprendido hasta ahora:
¿Por qué el lento despliegue?
Tenemos una nueva experiencia de usuario, donde los usuarios asignan tareas a los agentes como si fueran tickets de Jira/Linear, y los agentes las recogen.
Debido a esto, queríamos hacer una implementación lenta en la que pudiéramos trabajar en estrecha colaboración con cada usuario a lo largo de todo el flujo, para hacerlo más intuitivo. Estas son algunas de las conclusiones clave que hemos obtenido:
1. Los agentes tardan un tiempo y sería bueno ver lo que están haciendo
Vamos a actualizar nuestro incentivo con la creación de perfiles de llamadas a herramientas, que nos permitirá inyectar resúmenes generados por IA de lo que el agente está haciendo en cualquier momento para mostrarlos al usuario
2. A los agentes les va bien en Python, pero en otros lenguajes prefieren implementar nuevas integraciones de Python en lugar del lenguaje nativo del repositorio.
Para ello, las evaluaciones comenzarán a incluir evaluaciones políglotas de otros lenguajes, comenzando con JavaScript y Rust
3. El acceso web puede mejorar significativamente el rendimiento de los agentes
Esto ya se sabía, pero en función de los tipos de preguntas que hacen los usuarios, vamos a priorizar la implementación del acceso web.
Haremos un AMA más adelante en la semana con más conclusiones, actualizaciones y un calendario de lanzamiento más amplio.
Estén atentos 👀
6.9K
Populares
Ranking
Favoritas