Az egyre fejlettebb mesterséges intelligencia (AI) ügynököktől egyre gyakrabban várják el, hogy hosszabb időtartamú, összetett feladatokat is képesek legyenek önállóan megoldani. Ezek a projektek akár órákon vagy napokon át is tarthatnak, ám a folyamatos, konzisztens előrehaladás biztosítása több kontextusablakon keresztül még mindig kihívást jelent. A legnagyobb nehézség, hogy az AI ügynökök különálló munkamenetekben dolgoznak, és minden új munkamenet tiszta lappal indul, azaz nem emlékeznek az előzőekre. Képzeljük el úgy a fejlesztést, mintha egy szoftvercsapat tagjai váltott műszakban dolgoznának: minden új mérnök a nulláról kezdi a munkát, nem látja, mi történt az előző műszakban. Ez a helyzet különösen bonyolult, ha a rendelkezésre álló kontextusablak korlátozott, miközben a projekt nem fejezhető be…

Az mesterséges intelligencia (AI) fejlődése egyre összetettebbé és sokrétűbbé válik, ezért a modellek viselkedésének alapos és gyors vizsgálata kulcsfontosságú a biztonságos alkalmazásuk érdekében. Ebben a kihívásban nyújt segítséget a Petri, egy új nyílt forráskódú auditeszköz, amelyet a legfrissebb kutatások alapján fejlesztettek ki. A Petri automatizált módon teszteli az AI modelleket, megkönnyítve a kutatók számára a viselkedési minták gyors és átfogó feltérképezését. Hogyan működik a Petri? A Petri, azaz a Parallel Exploration Tool for Risky Interactions, egy automatizált ügynököt alkalmaz, amely különféle forgatókönyvek mentén vizsgálja az adott AI rendszert. Ez a folyamat többkörös párbeszédeket szimulál valós felhasználókkal és eszközökkel, majd értékeli és összefoglalja a modell viselkedését. A rendszer párhuzamosan dolgozik a…