Pristatytas „OmniTag-Bench“ – naujas penkių kalbų vertinimo rėmas, skirtas multimodalių LLM testavimui, atliekant sinchroninę kalbos transkripciją ir metaduomenų žymėjimą. Tyrimas rodo, kad vienas, papildomai apmokytas multimodalus modelis gali išgauti transkripciją, emocijas, lytį, kalbą ir vardines entybes vienu žingsniu, pakeičiant atskirus specializuotus modelius.
Tyrėjai pristatė „Trident“ – sistemą, skirtą LLM pagrįstiems agentams optimizuoti, sprendžiant tris informacijos apdorojimo problemas: neefektyvų atminties valdymą, nereikalingą elgsenos dubliavimąsi ir nesaugų agento perrašymą. Įdiegus „Trident“, agentai pasiekia žymiai geresnių rezultatų atlikdami sudėtingas, ilgos trukmės užduotis.
Tyrėjai pristatė EndoUT – priešininkiško (adversarial) testavimo metodą, skirtą nustatyti universalius užklausų paleidiklius, kurie gali stipriai sumažinti LLM modelių naudingumą. Analizuodami, kaip modifikuotas kontekstas trikdo modelio pradinius atsakymus, užpuolikai gali sukurti fiksuotus simbolių junginius, kurie destabilizuoja modelio veikimą neturint prieigos prie specifinių užduočių ar vertinimo duomenų.
„Amazon Bedrock“ pristatė naują atmintį palaikančią funkciją „AgenticRetrieveStream“. Ji automatizuoja su naudotoju susijusių faktų bei pokalbių istorijos saugojimą ir paiešką, leisdama agentams pateikti kontekstu pagrįstus atsakymus, kartu išlaikant griežtą dokumentų prieigos kontrolę.
„AssemblyAI“ išleido STT-3.7, naują kalbos į tekstą modelį, pakeičiantį „Universal“ šeimą. Jis pasižymi platesniu kalbų palaikymu ir žymiai tikslesniu kalbėtojų identifikavimu.
AssemblyAI išleido AssemblyAI-STT-3.7-Realtime-Agent – kalbos atpažinimo modelį, optimizuotą specialiai balso agentų veiklai. Jis skirtas spręsti tokias problemas kaip foninis triukšmas pokalbio metu ir svarbių duomenų, pavyzdžiui, skaičių, tikslus fiksavimas sakinio pabaigoje.
AssemblyAI išleido STT-3.7 modelių šeimą, skirtą įrašytam garsui, pokalbiams realiuoju laiku ir balso agentams. Be to, bendrovė pristatė savo pirmąjį teksto į kalbą (TTS) variklį, optimizuotą greitai ir natūraliai sąveikai pokalbių metu.
„MoEngage“ integravo dirbtinio intelekto agentus į savo klientų įtraukimo platformą, naudodami Model Context Protocol (MCP) ir „Amazon Bedrock AgentCore“, kad esamus API paverstų agentams prieinamais įrankiais. Vertindami savo platformą kaip izoliuotų sesijų ir standartizuotų įrankių schemų architektūrą, jie leido komandoms automatizuoti darbo eigas ir sprendimų priėmimą viename pokalbyje.
„TokenEconomizer“ yra naujas atvirojo kodo įskiepis, leidžiantis DI kodavimo agentams mokytis iš ankstesnių sesijų konkrečioje saugykloje. Stebėdamas pasikartojančius modelius, šalindamas nenaudojamus įrankius ir užkirsdamas kelią nesėkmių ciklams, jis ženkliai sumažina žetonų sunaudojimą nekeičiant paties agento ar jo bazinio modelio.
„Google“ išleido „Agent Substrate 1.0“ – atvirojo kodo platformą, skirtą DI agentų sesijoms „Kubernetes“ aplinkoje valdyti. Atskiriant būseną palaikančias sesijas nuo kompiuterinių išteklių, galima „parkuoti“ neveikiančius agentus objektų saugykloje ir atlaisvinti darbinį mazgą.
„OpenAI“ pristatė „omni-moderation-csam-latest“ – specializuotą modelį, skirtą identifikuoti vaikų seksualinio išnaudojimo medžiagą (CSAM) vaizduose. Patvirtintos organizacijos šiuo įrankiu gali naudotis nemokamai, kad būtų lengviau prioritetizuoti turinį žmogaus peržiūrai.
„Hugging Face“ pradėjo partnerystę su „OpenRouter“, kad optimizuotų kalbos modelių išvedimo (inference) procesus. Visos užklausos dabar automatiškai nukreipiamos per „OpenRouter“, parenkant tinkamiausią teikėją pagal kainą, greitį ir patikimumą realiuoju laiku.
„Amazon Bedrock Managed Knowledge Base“ dabar palaiko lentelių paiešką, leidžiančią agentams apdoroti duomenis tiesiogiai iš CSV, XLSX ir XLS failų. Sistema naudoja saugioje smėlio dėžėje (sandbox) sugeneruotą kodą skaičiavimams ir duomenų ištraukimui iš visų failų, sujungdama rezultatus su faktais iš nestruktūrizuotų dokumentų.