Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

МОДЕЛЬ · ENTITY #6888

Gemini 3.1 Flash-Lite

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Google опубликовала EnvHarness: адаптация сред обучения для самоэволюционирующих агентов

Исследователи Google открыли исходный код EnvHarness — фреймворка, который оборачивает статические среды через стандартные reset()/step() и применяет составные изменения (setup, rule, link), чтобы среда адаптировалась к слабостям агента без изменения базовой среды или верификаторов. В комплект входит EnvRigger — автоматический цикл, анализирующий роллауты агента для генерации и проверки целевых правок среды; по данным Google, это даёт стабильный прирост производительности (~2,9–3,7 процентных пункта) на WebArena, SWE-bench Verified и ALFWorld для моделей вроде Gemini, Qwen и Claude Sonnet.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья разделяет воспроизводимость, чувствительность измерения и устойчивость в оценке хостируемых LLM; дефицит Gemini 3.1 воспроизводится, но может обращаться при перестройке конфигурации

Предпечатная статья на arXiv (arXiv:2609.22478v1) разделяет три валидационные вопроса — репликацию, чувствительность измерения и устойчивость — при оценке хостируемых языковых моделей в среде Regent Chess. Авторы воспроизводят ранее отмеченный дефицит Gemini 3.1 Flash‑Lite на свежих играх, но показывают, что перестройка конфигурации оценки/вывода под тем же публичным идентификатором и сравнение разных идентификаторов (Gemini 3.1 против Gemini 3.7) может существенно изменить или обратить результаты; вклад периода обслуживания остаётся неразрешённым. Авторы рекомендуют явное индексирование поведенческих утверждений по идентификатору модели, периоду обслуживания, инструменту измерения и конфигурации вывода.

7.0