The Agent Architect #37: Unsupervised Learning for Agents

Паттерн недели

Unsupervised Learning for Agents

Что это:

Извлекает закономерности из неразмеченных данных с помощью эмбеддингов, кластеризации или поиска аномалий, а затем проверяет находки с экспертами предметной области.

Когда применять:

У вас есть сырые данные без меток, и нужно найти структуру, сегментировать пользователей или отметить необычные случаи до применения обучения с учителем.

Осторожно:

Кластеры и оценки аномальности неустойчивы; проверка часто показывает, что они не совпадают с реальными бизнес-категориями или границами принятия решений.

На этой неделе в агентном ИИ

• Why Gated DeltaNet Survives 4-Bit Quantization: NVFP4 W4A4 for the Recurrent Half of a Hybrid 27B LLMarXiv cs.AI

  Gated DeltaNet layers survive 4-bit quantization in hybrid LLMs using NVFP4 W4A4 precision.

• Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO StepsHugging Face

  A 350M parameter model was fine-tuned using 100 GRPO steps to improve structured output generation.

• Introducing agentic video understanding with GeminiGoogle DeepMind

  Google DeepMind introduced agentic video understanding capabilities for Gemini.

• WearableQA: A Benchmark for Health Reasoning over Real-World Wearable DataarXiv cs.AI

  WearableQA benchmark contains 4,084 multiple-choice questions testing AI reasoning over real wearable time series, blood biomarkers, and demographics from 200 users.

• Building an Adaptive Agentic Cybersecurity System with NVIDIA NemotronNVIDIA Developer

  NVIDIA Nemotron enables adaptive agentic systems for cybersecurity operations.