יום שני, 5 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

מעבר מהגירה לכיול: שימור יכולות סוכנים ברחבי מודלים, תחומי שיפוט וקנה מידה

From Migration to Calibration: Preserving Agent Capabilities across Models, Jurisdictions, and Scale
פותח כלי כיול אוטומטי לשימור יכולות סוכנים במודלים שונים, תחומי שיפוט וקנה מידה. הכלי משתמש במסלולים מורשים ובדיקות לצורך כיול מחדש. המסגרת והכלי עדיין בשלב הצעה, ואישור אמפירי ממתין לאישור.
תקציר מקורי באנגליתarXiv:2609.35149v2 Announce Type: replace Abstract: Deploying, migrating, or scaling an agent can change its model, harness, infrastructure, application, and intended users. We formulate agent calibration as standards-first adaptation: define basic-capability, technical-environment, and user-context standards; diagnose gaps; generate and apply revisions; and recheck the same standards within fixed budgets. These standard families interact across information, harness, and user-acceptance layers. Source behavior is diagnostic, not a perfect reference or capability ceiling: model replacement can turn correct answers into errors or errors into correct answers. Qualification requires all mandatory known tests, actual end-to-end deployment paths, hard predicates, and declared task/user minimums
קרא במקור המקורי