Hacker News front pageAI 評分60
Laminar 發布 flow-1:成本低 23 倍的 agent 追蹤查錯模型
Laminar 發布 flow-1,一個用強化學習訓練、專門在 agent 追蹤(trace)裡找錯誤的模型。官方基準稱其查錯品質與 GPT-6-sol 持平,成本卻低 23 倍,因此可以對每條生產環境 trace 做全量分析而不必取樣。
找到 2 筆;也可以試試 語意搜尋
Laminar 發布 flow-1,一個用強化學習訓練、專門在 agent 追蹤(trace)裡找錯誤的模型。官方基準稱其查錯品質與 GPT-6-sol 持平,成本卻低 23 倍,因此可以對每條生產環境 trace 做全量分析而不必取樣。
Geoffrey Huntley 分享了一種約束 coding agent 的做法:與其去改 AGENTS.md 讓它使用自己的 diagnostics 庫,不如寫一個 pre-commit hook 檢查 git diff,一旦發現直接呼叫 observability 模組、繞過 diagnostics 的程式碼就拒絕提交,並注入提示要求 agent 改用該庫。他指出更新 AGENTS.md 仍會留下偏差、隨時間漂移,而 hook 把規則變成硬性門禁,效果立刻變成十分滿分。