Tien signalen over agent-evaluatie, tool-use training, AI-werkflows, developer tooling en strategische verschuivingen in de AI-stack.
arXiv reasoning / agents / evals
DexHoldem benchmarkt embodied agents op echte dexterous hardware, inclusief scene-preserving success en agentic perception. Dit is relevant omdat agents pas bruikbaar worden wanneer ze betrouwbaar handelen en de volgende stap niet kapotmaken.
arXiv reasoning / agents / evals
EnvFactory maakt en verifieert stateful executable tool environments voor agentic RL. Dit is relevant omdat goede tool-use agents echte, meerstaps omgevingen nodig hebben in plaats van dunne simulaties.
arXiv reasoning / agents / evals
Een LLM vertaalt businesswijzigingen naar gestructureerde optimalisatiemodel-updates en kiest re-optimization technieken. Dit wijst naar praktische AI rond operations: bestaande modellen bruikbaarder maken voor veranderende werkelijkheid.
Hugging Face Blog
IBM Research publiceert een Open Agent Leaderboard op Hugging Face. Dit is relevant omdat agentwaarde steeds meer vraagt om gedeelde evaluaties van workflowkwaliteit, toolgebruik en taakafbakening.
MIT Technology Review AI
MIT Technology Review kijkt vooruit naar Google I/O en Google's druk om AI-productstrategie te bewijzen. Dit is relevant omdat distributie en developer tooling bepalen waar AI echt in workflows landt.
Import AI
Import AI bundelt onderzoek rond AI security, optimizer-gedrag en alignment. Dit is relevant omdat productierisico vaak begint als technisch systeemgedrag voordat het zichtbaar wordt in de UX.
The Decoder
Cursor claimt met Composer 2.5 frontier-achtige coding-benchmarks tegen lagere kosten. Dit is relevant omdat coding-agentwaarde verschuift naar workflow-specifieke modellen, prijs en snelheid.
TechCrunch AI
Anthropic koopt Stainless, bekend van geautomatiseerde SDK-creatie en onderhoud. Dit is relevant omdat developer experience en integratiefrictie steeds strategischer worden in de AI-stack.
Simon Willison
Simon Willison vat zes maanden LLM-ontwikkeling samen, inclusief modelwisselingen en coding-progressie. Dit is relevant omdat teams een vervangbare modelstack nodig hebben, geen statische modelfavoriet.
MIT Technology Review AI
De jury oordeelde dat Musk te laat was met zijn claims tegen OpenAI. Dit is relevant als strategisch signaal: governance, eigenaarschap en controle blijven drukpunten in de AI-stack.