Pracetak arXiv Klaim Model AI Lebih Besar Tak Otomatis Tahan Gangguan Alat MCP
Pracetak arXiv memperkenalkan MCP-Injector untuk menguji agen AI saat alat MCP gagal. Penulisnya mengklaim model yang lebih besar tidak otomatis lebih tahan gangguan.
#llm
4 artikel
Re4, agen AI yang menulis ulang dan meninjau kode komputasi ilmiah
Kerangka Re4 memakai tiga model LLM untuk menulis ulang soal, membuat kode, dan meninjaunya. Menurut abstrak, tinjauan menaikkan keberhasilan eksekusi DeepSeek R1 dari 59 persen ke 82 persen.
Rumah Sakit Universitas Hokkaido Jalankan Agen AI di Jaringan Tertutup Sendiri
Peneliti Jepang melaporkan LLENS, platform agen AI yang berjalan di jaringan tertutup Rumah Sakit Universitas Hokkaido, dengan akurasi 97,2% saat model membaca dokumen rumah sakit secara interaktif.
Studi Pracetak: Agen AI Sulit Bedakan Koreksi Sah dari Manipulasi Pengguna
Pracetak di arXiv menguji tujuh LLM dari empat vendor: apakah agen AI bisa membedakan koreksi sah dari manipulasi saat pengguna membantah, dan bukan sekadar mudah mengalah.