Dans l'actualité
Measuring the Serving Stack Instead of the Model: Hidden Confounds in Local Tool-Use Evaluation
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Serving stacks like Ollama and vLLM significantly affect tool-use performance measurements in coding agents, not just model behavior.
- Pourquoi ça compte
- Matters when evaluating local AI models on tool-calling tasks and comparing results across different serving frameworks.
- Vigilance
- Different serving stacks handle requests differently; rejections and retries may be misclassified as model failures, inflating error rates.
- agent
- tool-use
- inference
- serving
- eval
Les patterns derrière cette actualité
- Context Editing & Tool-Result Clearing
- Constitutional AI Evaluation Framework
- AISI Evaluation Framework
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.