חיפוש בחדשות

חוקרים מ-Microsoft Research הציגו את Orchard, תשתית קוד פתוח חדשנית לאימון והערכה של סוכני בינה מלאכותית (Agentic AI) בקנה מידה רחב ובעלות נמוכה. המערכת מבוססת על Orchard Env, שירות סביבה קל-משקל המבוסס על Kubernetes, המאפשר לאמן סוכנים ישירות בתוך מעטפות פריסה אמיתיות כמו Codex ו-OpenClaw. הפרויקט כולל שלושה מודלים ייעודיים: Orchard-SWE המיועד להנדסת תוכנה ומגיע ל-73% ב-SWE-bench Verified עם מודל של כ-3 מיליארד פרמטרים פעילים בלבד; Orchard-GUI, סוכן דפדפן קל-משקל המשיג ממוצע של 68.4% במשימות ניווט ברשת; ו-Orchard-Claw, עוזר אישי למשימות פרודוקטיביות. הפלטפורמה מציעה גישה חדשה של למידה מצטברת המאפשרת לדורות הבאים של הסוכנים לרשת את ניסיון קודמיהם.

**ReasoningBank הוא מסגרת זיכרון לסוכני AI שמאפשרת להם ללמוד גם מהצלחות וגם מכישלונות אחרי הפריסה.** לפי Google Cloud, הגישה שיפרה ב-8.3% את התוצאות ב-WebArena וב-4.6% ב-SWE-Bench-Verified לעומת סוכן ללא זיכרון. עבור עסקים בישראל, המשמעות היא שסוכן שפועל ב-WhatsApp, ב-CRM או במערכות תפעול יכול לצבור לקחים במקום לחזור על אותן שגיאות. זה רלוונטי במיוחד למרפאות, משרדי עורכי דין, נדל"ן וחנויות אונליין, שבהם כל טעות חוזרת עולה בזמן צוות ובהזדמנויות מכירה. המבחן המעשי אינו אם יש לכם מודל טוב, אלא אם יש לכם מנגנון ששומר נימוקים, כישלונות והחלטות שניתנות למחזור בתהליך הבא.

**מודל Critic ממשוב דל הוא שכבת הערכה לסוכני AI, שלומדת מהתהליך עצמו גם כשאין ציון ברור לכל פעולה.** במחקר חדש על SWE-bench, מסגרת Critic Rubrics עם 24 מאפיינים שיפרה reranking ב-15.9 נקודות ואפשרה early stopping עם 83% פחות ניסיונות. עבור עסקים בישראל, זו תזכורת חשובה: הצלחת סוכן AI לא נמדדת רק בתוצאה סופית, אלא גם באיכות האיסוף, זמן התגובה, והעברה נכונה לנציג או ל-CRM. לכן עסקים שמחברים AI Agents ל-WhatsApp Business API, ל-Zoho CRM ול-N8N צריכים לבנות שכבת מדידה מבוססת Rubrics, ולא להסתפק במדד בינארי של "עבד" או "נכשל".

Mistral AI השיקה את Devstral 2, מודל קידוד פתוח עם 72.2% ב-SWE-bench ולצידו CLI חדש. קראו על ההשלכות לעסקים ישראליים.