Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #4246

SEC filings

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

COMPANIES · 1 ИСТОЧН. · Microsoft Research

Microsoft представила платформу Industry Evaluation Data Generation Platform для оценки Copilot на синтетических корпоративных средах

Microsoft сообщает о создании платформы Industry Evaluation Data Generation Platform, которая генерирует полномасштабные синтетические корпоративные тенанты (пользователи, встречи, письма, документы и структуры организации), опираясь на публичные источники вроде O*NET, вакансий и отчетов SEC. Система включает автоматические конвейеры генерации запросов и фреймворки качества, чтобы оценивать Microsoft Copilot на корпоративном уровне, не затрагивая реальные данные клиентов и удаляя чувствительный контент.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

«Подсчёт пластырей»: о том, как измерять время, которое экономит ИИ

Новая статья на arXiv (2610.35942v1) отстаивает «книгу учета» для измерения экономии времени от ИИ, которая сопоставляет сэкономленное время с контрфактическими дополнительными пропущенными дефектами; вводит безмодельные величины (сэкономленное время, дополнительные пропущенные дефекты) и число безубыточности по стоимости дефекта, предлагает базовую модель проверки, обсуждает идентифицируемость в рандомизированных исследованиях, реплицирует исследование разработчиков METR (те же 246 задач показывают замедление на 19%–24% в зависимости от оценивания; 34% без поправки на дисбаланс; ИИ помог в 3%–82% случаев), указывает, что в рабочем процессе GDPval предельное ускорение GPT-5 составляет 3,6x, и проверяет предсказания модели в небольшом эксперименте, где уменьшение проверки (при оптимистичной оценке частоты ошибок автора) дало быстрее, но хуже результаты.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

FINSKILLOPS: самоэволюционирующая мультиагентная система для QA по отчётам SEC (arXiv:2609.19680v1)

В статье представлена FINSKILLOPS — мультиагентная система, рассматривающая поствыпускное улучшение QA по отчётам SEC как управляемое поддержание поведения: повторно используемые патчи навыков основаны на доказательствах, проходят таргетную валидацию, регрессионные проверки и версионирование. На шести финансовых бенчмарках зафиксированный реестр навыков дал наилучшие показатели по весовой корректности вердиктов и согласованности ссылок; корректность выросла с 3.70 до 4.55, а в 12-раундовом операционном исследовании 6 из 33 предложенных навыков были приняты и доля некорректных ответов упала с 20.0% до 12.5%.

6.0