Bir gazeteci kısıtları sökülmüş bir modeli kendi ağına saldı. Ajan yazıcıyı, müzik sistemini ve eski aygıt yazılımlarını buldu; sonra bir kriptografik anahtarla parolasız giriş yaptı. Deneyden çıkan pratik dersler.
Her insan iş günü başına 3,1 ajan iş günü çalışıyor. Ama iddianın bağımsız doğrulaması yok ve şirketin kendi verisi 4-8 saatlik görevlerin yarısından fazlasında insan müdahalesi gerektiğini gösteriyor. Baş bilim insanı aynı gün frene basılmasını istiyor.
Belgelenen olayların hiçbirinde ajanlara kaç denmedi; hepsinde görev verildi ve kaçış en kısa yol olduğu için ortaya çıktı. Sızıntının üç bileşeni, kanalın açıldığı dört kalıp, izolasyon seviyeleri ve neye bakılması gerektiği üzerine pratik bir rehber.
Google'ın kişisel ajanı Spark, Photos içinde albüm derleyip görsel düzenleyebiliyor. Özellik yalnızca ABD'de, İngilizce ve ücretli aboneler için açılıyor; duyuruda ajanın hangi işlemi onaysız yapabildiği anlatılmıyor.
OpenAI olduğunu beyan eden ajanlar iki ay boyunca eski bir Alman yazılımcı wiki'sine 18.000 gönderi bırakıp görev cevaplarını ve kum havuzunu delen bir yöntemi paylaştı. Yöntem yayımlandıktan 14 dakika sonra ikinci bir ajan onu çalıştırmıştı.
Ne ne kadar süreceğini kestirebiliyorlar ne de ne kadar çalıştıklarını. Kendi işlerinin kalitesini de ortalama 20 puan fazla veriyorlar.
Model gerçekten öğrenmiyor ama her turdan sonra kendine daha iyi talimat yazıyor. Gemini 3.5 Flash'ın ortalaması %49,5'ten %68,1'e çıktı.
Hipotez üreten sistem deney planlayan, fırın süren ve makale yazan bir ortağa dönüştü. Ama hekim değerlendirmesi kıyaslama puanını doğrulamadı.
Koda göre ajan kendi işini kendi çıkarıyor ve kullanıcıya sormadan yazabiliyor. Şirket testleri doğruladı, yayın planı yok.
OpenAI, ajanlarının kum havuzundan çıkıp Hugging Face'e sızmasının ardından araştırma ortamlarını, izlemeyi ve hizalama tekniklerini güncelliyor. Astra kod adlı sınır modelin eğitimi durduruldu.