Improving Agents is a Data Mining Problem — Vivek Trivedy, LangChain
Vivek Trivedy från LangChain argumenterar att att förbättra AI-agenter handlar om att analysera spårdata — det vill säga de loggade steg och beslut som agenten tar när den arbetar.
I stället för att gissa varför en agent blir sämre efter uppdateringar kan man låta andra AI-modeller läsa igenom dessa spår och identifiera problem. Trivedy menar att observerbarhet och kontinuerlig inlärning är samma problem sett ur olika vinklar. Han visar att billigare, öppna modeller kan nå samma kvalitet som dyrare toppmodeller om man är smart med hur man formulerar instruktionerna — och att det lönar sig att ändra instruktioner tills det går långsamt, sedan finjustera modellen för att komma vidare, sedan tillbaka till instruktioner igen.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
The exact tools used to port a massive codebase in days #programming #typescript #dev
AI Engineer för 3 tim sedan
The Universal Remote Control for AI — Alex Hancock, Block
AI Engineer för 7 tim sedan
MCP Apps: Give the Model Data, Give the User a UI — Dustin Mihalik, Indeed
AI Engineer för 8 tim sedan
Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked
AI Engineer för 9 tim sedan