Блог
Заметки о построении агентных систем
Стенды для оценки, паттерны оркестрации, проектирование памяти и стоящие за ними неудачи — описано, пока детали ещё свежи.
22 окт. 2026 г.·6 мин чтения
Флоты агентов как инструменты обнаружения: проблема оценки, стоящая за Patch the Planet
Флоты агентов меняют вопрос оценки: вместо точности на агента — выход на вычислительный час при заданном бюджете ложноположительных срабатываний. Большинство бенчмарков агентов этого не измеряют.
agent-evaluationmulti-agent-systemsvulnerability-discovery
20 сент. 2026 г.·6 мин чтения
Оценка агентов по траекториям, а не по ответам: заметка о дизайне бенчмарка
Бенчмарки, оценивающие только финальные результаты, вознаграждают агентов, которые приходят к правильным ответам через небезопасные или невоспроизводимые пути. Оценка с учётом траектории это исправляет.
agent-evaluationbenchmarkingtrajectory-grading