Ponedjeljak, 20. travnja 2026.

4 vijesti — 🟡 4 važno

🤝 Agenti (2)

🟡 🤝 Agenti 20. travnja 2026. · 3 min čitanja

Experience Compression Spectrum: arhitektonski okvir koji objedinjuje memoriju, vještine i pravila u LLM agentima

Editorial ilustracija: kontinuum razina kompresije iskustva od sirovih epizoda prema sažetim pravilima u LLM agentu

Experience Compression Spectrum je novi arhitektonski okvir koji pozicionira memoriju, vještine i pravila LLM agenata na jednu os rastuće kompresije — od epizodne memorije (5-20×) preko proceduralnih vještina (50-500×) do deklarativnih pravila (1000×+). Analiza otkriva da postojeći sustavi rade na fiksnim razinama kompresije i da memorija i vještine ne komuniciraju međusobno.

🟡 🤝 Agenti 20. travnja 2026. · 3 min čitanja

WORC: jačanje najslabijih agenata u multi-agent sustavima donosi 82.2 % točnost na reasoning benchmarkima

Editorial ilustracija: lanac AI agenata gdje se najslabija karika jača dodatnim računalnim resursima

WORC (Weak-Link Optimization for Reasoning and Collaboration) je novi okvir koji umjesto optimizacije jakih agenata identificira i jača slabe karike u multi-agent LLM sustavima. Kroz meta-learning i swarm intelligence pronalazi podbacivače, a zatim im alocira dodatne resurse za rezoniranje. Rezultat: 82.2 % prosječna točnost na reasoning benchmarkima i bolja stabilnost kroz arhitekture.

🏥 U praksi (1)

🟡 🏥 U praksi 20. travnja 2026. · 3 min čitanja

AgentV-RL donosi tool-augmented verifikator s forward i backward agentima — 4B model nadmašuje SOTA reward model za 25.2 %

Editorial ilustracija: dva AI verifikacijska agenta — jedan gleda prema naprijed, drugi prema natrag — analiziraju lanac rezoniranja

AgentV-RL je novi okvir za scaling reward modelinga kroz agentni verifikator koji koristi multi-turn tool-augmented deliberaciju. Dva komplementarna agenta — forward (od premisa prema zaključku) i backward (od zaključka prema premisama) — validiraju rezoniranje. Kroz RL s proaktivnom eksploracijom, 4B varijanta nadmašuje state-of-the-art outcome reward modele za 25.2 %.

🛡️ Sigurnost (1)

🟡 🛡️ Sigurnost 20. travnja 2026. · 3 min čitanja

ASMR-Bench: benchmark za detekciju sabotaže u ML istraživanju pokazuje Gemini 3.1 Pro AUROC 0.77 i tek 42 % fix rate

Editorial ilustracija: auditor s povećalom pregledava ML kod gdje je jedna komponenta suptilno promijenjena

ASMR-Bench (Auditing for Sabotage in ML Research) je novi sigurnosni benchmark s 9 ML istraživačkih projekata i njihovim namjerno kvarnim varijantama koje proizvode obmanjujuće rezultate. Najbolji rezultat — AUROC 0.77 i top-1 fix rate 42 % — postigao je Gemini 3.1 Pro, što znači da ni najbolji AI auditori ne detektiraju sabotažu u više od polovice slučajeva. LLM-generirane sabotaže slabije su od ljudskih.

← Prethodni dan Sljedeći dan →