» Etiket
evaluation
2 yayınHandbook.md: Uzun politika belgeleri AI ajanlarını güvenilir şekilde yönetemiyor
Handbook.md benchmarkı, AI ajanlarının uzun şirket politika belgelerine gerçekte ne kadar uyduğunu test ediyor; sonuçlar endişe verici.
Waymo'da AI Projeleri: Değerlendirmeler Olmadan Hazır Değil
Waymo, AI projelerinin değerlendirmelerini sürekli yaparak güvenliği artırıyor. Bu yöntem, diğer endüstrilere de örnek teşkil ediyor.
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.com