Šis puslapis nėra tiesioginis — žinutės atnaujinamos pagal tvarkaraštį. Paskutinį kartą atnaujinta . Kito atnaujinimo laukiama apie . Laikas rodomas Vilniaus laiku (EET).
HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?
As agents move from research prototypes to deployed tools, their capability increasingly depends on model-external execution infrastructure, commonly termed the agent harness. Changing this harness while holding model weights fixed can substantially alter task performance. Current agent evaluations typically report downstream performance under a chosen harness, leaving a model's ability to develop the harness itself comparatively underexplored. We introduce HarnessDev, a benchmark that shifts the unit of evaluation from task outputs to runnable infrastructure. HarnessDev covers two stages. In Creation, the agent starts from a minimal seed and a small number of cases, then builds a complete execution system. In Evolution, it starts from its own created harness and iteratively revises it using downstream execution feedback, with the goal of improving benchmark performance. We then evaluate each constructed harness on capability (task success on held-out benchmarks) and efficiency (execut
AI aprašymas Ekrano nuotraukoje matomas API klaidos pranešimas, kuriame nurodoma, kad įvyko 522 klaida dėl ryšio laiko baigimosi su serveriu, ir rekomenduojama palaukti bei bandyti vėliau.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.
Cross-Model KV Cache Transfer in LLM Families: A Closed-Form Linear Mapping for Prefill Reuse
Production deployments often swap between different-sized models in a family for cost-quality cascading, mid-conversation switching, and routing, and each swap forces the receiver to repay the prefill from scratch. We propose cross-model KV cache transfer, where the receiver reuses the source's KV cache, skipping prefill. We find that cross-model KV has substantial linear structure across matched-KV pairs, where source and target share KV head count and per-head dimension. On Qwen3 14B- 32B, one source layer explains 56% of variance in the target's keys and 32% in values, rising to 79% and 65% with multiple source layers. Building on this, we design a closed-form ridge mapper that operates per head and proceeds in three steps. First, for each target layer we select the top-k most predictive source layers and concatenate their KV as input. Second, we strip RoPE from the keys before mapping, so the fit is position-free and reusable across context lengths. Third, we fit ridge regression o
Prašau kai dalinatės nuorodom palikit komentarui bent sakinį kontekstui, nes čia esančių lygis labai skirasi plius LLM"ai ims iš tinklalaip, kurie fetch nors turėtų paimti, bet vėlgi žmogaus mintis apie ką nuoroda ar failas. Kas patraukė ar kodėl dėmesį..
implementacijos detale, bet yra toks daiktas kaip "synthetic prompt", tekstas kuri duodi agentui, bet nerodai vartotojui, tai pvz vietoj !cat skills/common_fix.md ir matyti kaip visas tekstas atspausdintas, gali @….md , ir įrankis duos pagal implementacija paslepta prompta su tuo failo turinių, lyg agent.md automatiškai įmestu
o faila pasirinkti tai nors opencode rodo fff/fzf menių
AI aprašymas Vaizdas rodo programavimo terminalo ekrano kopiją, kurioje pateikiamas vienos eilutės santrauka apie Python failą, skirtą DNS zonos failų išanalizuoti ir struktūruoti.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.
AI aprašymas Vaizdas rodo programavimo terminalo ekrano kopiją, kurioje pateikiamas vienos eilutės santrauka apie Python failą, skirtą DNS zonos failų išanalizuoti ir struktūruoti.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.
AI aprašymas Vaizdas rodo programavimo aplinkos terminalo langą, kuriame peršokimo sąraše matomi Python projekto failai, o vienas iš jų yra pažymėtas.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.
Panašu teks keisti hostingo tiekėją grupės tinklalapiui :) TIkiuosi, kad tik kode netikslumai ir dėl to agentai nepatenka į duombazę.
AI aprašymas Tekstas aprašo techninę svetainės analizę, kurioje nustatyta, kad AI robotų (pvz., GPTBot) blokas nėra atliekamas per bendrus apsaugos mechanizmus, o tiksliai per specialų AI skaperių sąrašą, kurį reikia patikrinti hostingo valdymo skydelyje.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.
GLM per ten leido leist, tai ir turiu; bet bėda, kad langas nesididina ir scroll pradėjo nebeveikt. :D Gal buvo atnaujinime klaida, tai bus ir išspręsta, bet kad langas labai riboto dydžio mane belenkaip erzina.
AI aprašymas Ekrano nuotraukoje matomas programos „opencode“ terminalo sąsaja, skirta kodavimo užduotims atlikti, su įvesties lauku, modelio parinktimi ir komandų sąrašais.
Sugeneravo dirbtinio intelekto modelis qwen3.8-27b-dk:latest (vienu ėjimu, be samprotavimo biudžeto). Žmogus netikrino.