Technologie
Évaluer un agent consiste à lui donner des tâches et à examiner ses résultats avec des critères précis. Un score résume cette évaluation. Il faut lire les tâches et les réglages avant de conclure sur ses capacités.
Comprendre le mécanisme
Une évaluation prépare des tâches et définit comment juger leurs résultats. Un contrôleur peut comparer une réponse attendue, vérifier un format ou appliquer une grille. Les scores sont ensuite regroupés pour résumer le test.
Une équipe pourrait préparer dix dossiers fictifs, dont certains sont incomplets. Elle donnerait les mêmes tâches aux assistants comparés et garderait les réglages du test. Une relecture examinerait les dossiers réussis, les erreurs et les interventions nécessaires avant de discuter le score global.
Une note décrit les cas évalués avec leurs critères. Elle ne démontre pas la réussite sur toutes les situations absentes du test.
Dans un projet
Une équipe peut demander à plusieurs assistants de traiter les mêmes dossiers avec des critères communs. Elle examine les réussites, les erreurs et les conditions du test. Un score seul ne décrit pas toutes les situations de travail.
Exemple fictif. Il illustre un usage, sans résultat mesuré.
Lisez les tâches, les réglages, les coûts et les erreurs avant de choisir un outil.
Un travail défini à l’avance
Chaque résultat est évalué
À comparer avec les conditions du test
Illustration du principe. Les fonctions disponibles dépendent de l’outil et de vos accès.
Articles 1 - 10 sur 68. Les mots-clés, les dates et les conditions d’accès vous aident à choisir.
L’essentiel
Le billet du 2 novembre décrit une boucle de tests sur les réponses, les traces et les fichiers. Il recommande de comparer les versions à une référence dans un environnement isolé.
Source vérifiée le
L’essentiel
Sur 6 439 répondants, l’enquête relève satisfaction et temps économisé déclarés, mais aussi faible usage et difficultés de fiabilité. Ces réponses ne sont pas une mesure automatique de productivité.
Source vérifiée le
L’essentiel
L’architecture combine détection légère, revue par modèle et investigations contextualisées. La couverture et les possibilités d’intervention diffèrent entre les usages internes et externes.
Source vérifiée le
L’essentiel
Catching JiTTests fabrique des tests qui exposent les différences de comportement d’une modification. Meta décrit son déploiement, avec un tri automatique des alertes et une validation humaine ciblée.
Source vérifiée le
L’essentiel
La taxonomie passe à 222 techniques et décrit notamment la manipulation des sous-tâches et des résumés de session. Elle aide à examiner une séquence d’actions, au-delà d’une réponse isolée.
Source vérifiée le
L’essentiel
La référence publique explicite l’intention humaine, la réduction des risques, l’honnêteté, l’autonomie et l’attention aux personnes. Elle décrit un comportement visé, pas une conformité acquise des modèles.
Source vérifiée le
L’essentiel
Epoch AI rapporte que GLM 5.3 a compromis six versions récentes de Firefox en exploitant des correctifs visibles avant leur diffusion. Une autre faille nécessaire à ces attaques a depuis été corrigée. L’étude ne démontre pas une attaque équivalente contre Firefox 159.
Source vérifiée le
L’essentiel
Meta annonce deux millions de dollars au total pour cinq universités américaines, avec accès à ses modèles. Les projets restent des recherches.
Source vérifiée le
L’essentiel
Un essai examine des agents sous la responsabilité des salariés, au sein des équipes ou entre les niveaux hiérarchiques. Ces scénarios servent à réfléchir à la gouvernance, sans constituer des prévisions démontrées.
Source vérifiée le
L’essentiel
Google présente un modèle capable de poursuivre des travaux complexes de programmation et de recherche de failles. Son accès commence auprès de certains cyberdéfenseurs, avant un élargissement encadré.
Source vérifiée le
