コアとなる根本的な問題を解決していない限り、新しい計算機をエージェントに接続しないでください。 ほとんどの分析システムは、算術能力の低さによって誤った結果を生み出すのではありません。 正しい式を使用しているにもかかわらず、誤った行や古くなった財務報告書に適用しているのです。 @SentientAGI コミュニティでは、開発者 @abraxasnz13 が厳格なアーキテクチャルールを導入しました。 エージェントは、すべての変数の正確な出所を確認し、数学関数を呼び出す前にコンテキストの新鮮さを検証することが必須です。 私は常に、データの出所を検証することが、単なるコード実行速度よりもはるかに重要であると主張してきました。 この方法により、複雑な企業のスプレッドシートを処理する際の幻覚が劇的に削減されます。 この構築の詳細な動画解説はすでに公開されています。
ベンチマークを最適化したり、エージェントアーキテクチャを過剰に複雑にすることで、タスクの難易度を回避することはできない。 多くのフレームワーク作成者は、賢明なルーティングテンプレートを通じて驚異的な精度を約束する。 しかし、最近の研究は、これがほとんど幻であることを証明している。 OfficeQAでの13,000回のエージェント実行に基づき、科学者たちはベースモデルの能力への強い依存を特定した。 異なるスキャフォールディング手法は、AIが特定のテストに合格するかどうかについて88〜93％の一致率を示した。 私はこの結論を、オープンソースソフトウェア業界全体にとって極めて重要だと考えている。 私たちはラッパーの磨き上げをやめ、モデルの基本的な推論能力に焦点を当てるべきである。 @SentientAGIの研究者@iamnamanvatsとDeep Halderによるデータは、現状の実態を私たちに見せてくれている。
セルフ改善型コーディングエージェントを実行するために、もはや企業向けプレミアムの支払いやClaude APIへの縛りは必要ありません。 @SentientAGIチームがリリースしたEvoSkill v1.3.0は、AI開発へのアプローチを再定義します。 今や、自動スキル生成と突然変異の全プロセスを@FireworksAI_HQを用いて実行できます。 これにより、開発者は圧倒的な実行速度と大幅に削減されたコストを実現できます。 私は、閉鎖的な企業クラウドではなく、オープンでモジュール式のシステムに未来があるというこの取り組みを高く評価しています。 あなたのエージェントは、プロプライエタリなAPIプロバイダーによるレート制限や制約なしに進化できるようになりました。 このリリースの詳細は、すでに@AlphaSignalAIによって公開されています。 リポジトリはGitHubでテスト用にオープンされています。