SWE-bench

**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".

בעידן שבו בניית סביבות Docker אמינות מהווה צוואר בקבוק מרכזי בהרחבת אימון סוכני הנדסת תוכנה, DockSmith מציג פתרון מהפכני. קראו עכשיו על הביצועים המרשימים בבנצ'מרקים.

מיסטרל AI משיקה Devstral 2 וגרסה קלה: מודלי קידוד AI חזקים שרצים על מחשב נייד, עם Vibe CLI חדש. ביצועים מרשימים במבחנים, רישוי פתוח חלקי. קראו את הפרטים המלאים.