Публикаций: 4
Автор Java-библиотеки jqwik добавил в вывод инструмента скрытую строку — и тысячи AI-агентов послушно удалили тесты своих пользователей. История оказалась точнее любого академического доклада о природе LLM.
Исследователи проверили 23 AI-агента на клиническом ПО — лучший закрытый результат 54,2%, а на реальной OpenEMR все модели упали ниже 9%. Бенчмарк MedCUA-Bench опубликован 2 июня 2026 года на arXiv.
Microsoft выпустила Agent Governance Toolkit — референсную реализацию, где AI-агент не может просто взять и выполнить инструмент: каждое действие сначала проходит через слой политик, проверок доверия и аудита. Это не теория — есть рабочий код под Google Colab.
Typewise — AI-платформа для клиентского сервиса из Цюриха — ищет человека, который в одиночку заменит целую маркетинговую команду, используя AI-агентов и автоматизацию. Вакансия наглядно показывает, как меняется структура роста в B2B SaaS.