⚡️ WORLD INTEL BRIEF

• 🆕 JudgeMan проверяет шаги кодинг-агентов каскадом правил, открытой модели 9B и дорогой передовой модели лишь для отмеченных действий. На 516 шагах такая схема достигла согласованности с экспертами 0,72 против 0,61 у одной передовой модели — примерно за треть стоимости. Zenodo
↳ Оценка надёжности агентных прогонов стала дешевле и точнее проверки одной дорогой моделью.

• 🆕 Tencent WorkBuddy открыла публичное тестирование центра наблюдаемости за корпоративными AI-агентами: администраторы получают сквозную статистику использования и разбор траекторий выполнения. LeiPhone

—
📡 @azalio_tech_summary