Grafana将服务水平目标及错误预算机制应用于人工智能代理的行为分析中。
Grafana Labs提出了一种熟悉的可靠性工程方法，用来解决现代软件中一个相对不为人所熟知的问题：如何判断某个人工智能代理是否真的表现良好。 作者：Craig Risi
Grafana Labs提出了一种熟悉的可靠性工程方法，用来解决现代软件中一个相对不为人所熟知的问题：如何判断某个人工智能代理是否真的表现良好。
作者：Craig Risi相关文章
GitLab警告称，人工智能代理的沙箱环境的安全性仅取决于其网络访问权限的安全性。
GitLab警告称，将人工智能编码代理隔离在沙箱环境中并不一定能确保其安全。在这项新的安全分析报告中，该公司描述了进行的一项内部测试：在该测试中，某个人工智能代理利用了一个被明确列入沙箱允许列表中的脆弱软件包代理，从而成功逃出了沙箱环境。 作者：Craig Risi
阅读全文
AWS推出了用于AI智能体开发的Strands Decider 2B及Strands Box工具。
AWS推出了两个用于开发人工智能代理的开源项目：Strands Decider 2B，这是一个专为在代理工作流程中协助做出决策而设计的小型模型；另一个项目是Strands Box，它是一个用于控制代理执行过程的沙盒环境。这两个项目分别从不同角度帮助人们构建那些能够使用工具、执行代码并与外部系统进行交互的智能代理。 作者：丹尼尔·多明格斯
阅读全文
Google的EnvHarness技术使能够自我进化的智能体能够在动态变化的环境中学习。
谷歌的研究人员将EnvHarness这一框架开源了。该框架能够动态地调整代理训练环境，以弥补代理自身的缺陷，而无需对代理本身、训练环境或评估系统进行任何修改。据研究人员称，这种方法既能提升学习效果，也能提高学习效率，同时还能帮助代理克服自身的弱点。 作者：塞尔吉奥·德·西蒙内
阅读全文
Grafana Tempo 3.1版本新增了基于查询的跟踪数据筛选功能，同时还提供了能够考虑采样因素的TraceQL指标统计功能。
Grafana Labs发布了Tempo 3.1版本，这是对3.0架构的首次小型升级。该版本为Kafka客户端添加了TLS协议支持以及额外的SASL认证机制；同时允许操作人员使用TraceQL查询来筛选特定的数据记录，而无需列出所有的追踪ID；此外还引入了一种实验性的功能：在查询时可以自动修正针对采样数据的统计结果。 作者：Claudio Masolo
阅读全文