2026. augusztus 20., csütörtök · Eszközök

NVIDIA nyílt eszközzel méri, mennyit javítanak az AI-ügynökökön a beépített skillek

Az NVIDIA saját közlése szerint nyílt forráskódú SkillEvaluator eszközt épített, amely három lépésben – statikus ellenőrzés, megkülönböztethetőségi elemzés és élő feladatvégrehajtás izolált környezetben – méri, hogy az úgynevezett verified skillek mennyit javítanak az AI-ügynökök teljesítményén. A vállalat állítása szerint több mint 300 hitelesített skillt teszteltek 30-nál több NVIDIA terméken, két ügynök-keretrendszerben, és a skillek használatával átlagosan 31 pontos javulást mértek mind az öt vizsgált szemponton (helyesség, felfedezhetőség, hatékonyság, eredményesség és biztonság), a biztonsági kategóriát kihagyva pedig 39 pontosat. Az NVIDIA szerint a javulást inkább a termékdomén és az értékelési módszertan befolyásolja, mint az ügynök-keretrendszer. Az eredmények kizárólag a vállalat saját méréséből származnak, független validálásról a közlemény nem szól.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Konkrét, mérhető módszertant ad ahhoz, hogy eldönthető legyen, egy AI-ügynöknek szánt „skill” valóban javítja-e a teljesítményt, nem csak marketingígéret.

Források

NVIDIA Technical Blog Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA SkillEvaluator#AI-ügynökök

Napi összefoglaló

Ez a hír a 2026. augusztus 20., csütörtök napi AI összefoglaló része.

Helyesbítés · 2026. október 1., csütörtök

Helyesbítés (2026-09-20): a hírhez utólag hozzáfűztük a nem lektorált (preprint) státusz jelzését, mert a megjelenéskor ez lemaradt. A hír címe, összefoglalója és forrásai változatlanok. Helyesbítés (2026-10-01): az összefoglaló korábban a 31 pontos átlagot négy szempontra vonatkoztatta („a helyesség, felfedezhetőség, hatékonyság és eredményesség terén”); a forrás szerint ez az öt szempont átlaga a biztonsággal együtt. Helyesbítés (2026-10-01): a hír alól eltávolítottunk 12 forrás-hivatkozást (12 arXiv-cikket), amelyek nem erről a munkáról szólnak — egy hibás forrásgyűjtés műtermékei voltak; vele együtt kikerült a „Miért fontos?”-ból a 2026-09-20-án hozzáfűzött „A mögöttes eredményt leíró tanulmány preprint” mondat, mert erre a téves hivatkozásra épült. A hír forrása az NVIDIA műszaki blogbejegyzése.

Kapcsolódó hírek

OpenAI bemutatta a Dots nevű AI-ügynök platformot

Az OpenAI a héten jelentette be új AI-ügynök platformját, a Dots-ot, amely blobszerű, elnevezhető avatarokkal dolgozik, és egy virtuális géppel fér hozzá olyan alkalmazásokhoz, mint a Blender vagy a GIMP. A felhasználó egyelőre csak egy Dot-ot kaphat, de a cég ígérete szerint a jövőben több is indítható lesz. A The Verge tesztje szerint a Dot sikeresen megtalált egy 100 dolláros promóciós kedvezményt egy törölt e-mailben egy internetszolgáltatónál történő időpontfoglaláshoz, de elakadt egy emberi ellenőrzésnél, egy hosszan tartandó egérgombnyomásnál, amit a tesztelőnek kellett manuálisan elvégeznie. Az OpenAI a Dots funkciót elsőként a legmagasabb szintű, havi 100 dolláros Pro-előfizetőknek teszi elérhetővé, szemben a Meta ingyenes Muse és Instinct nevű ügynökeivel.

Figma: AI-ügynökök gyorsítják a biztonsági riasztások kivizsgálását

A Figma mérnökcsapata saját beszámolója szerint AI-ügynököket épített biztonsági csapata számára, amelyek riasztásokat vizsgálnak ki, korábbi incidenseket keresnek vissza, rendszereket ellenőriznek, és kódjavításokat is előkészítenek. A rendszer Panther SIEM-re épül, az AWS, Okta, GitHub, GCP és osquery mellett száznál több forrást kérdez le, emellett AWS Bedrock Knowledge Bases, Amazon Kendra, Tines és Snowflake-alapú eszközöket is használ. A Figma állítása szerint ez mintegy 70 százalékkal csökkentette az összetett riasztások megoldási idejét, és 20 százalékkal kevesebb ügyeleti riasztást eredményezett. A cikk szerint a rendszer memóriája – korábbi esetek, viselkedési útmutatók, megtanult adatbázis-struktúrák – kulcsszerepet játszott, miközben emberi felülvizsgálat és beépített korlátok, például az alapból piszkozatként létrejövő kódjavaslatok, biztosítják a biztonságot.

AWS: nyílt forráskódú AI-ügynök vezérli a SageMaker HyperPod klasztereket

Az AWS bemutatta a HyperPod InstantStart nevű nyílt forráskódú vezérlőréteget, amely az Amazon SageMaker HyperPod klaszterek – gépi tanulási modellek futtatására szolgáló, Amazon EKS-re épülő infrastruktúra – beállítását és napi üzemeltetését automatizálja. A vállalat állítása szerint a rendszer egyetlen, a felhasználó AWS-fiókjában futó menedzsment-konténerként működik, és ugyanazt a háttér-API-t szolgálja ki webes felületen és parancssoron keresztül is. Az AWS szerint egy AI-ügynök tervezi meg és futtatja a többlépcsős folyamatot – hálózat, tárhely, azonosságkezelés, node-helyreállítás, modellkiszolgálás –, és csak az elérhetőségi zóna vagy a példánytípus kiválasztásánál áll meg döntésre várva. A cég szerint a megbízhatóság kulcsa, hogy a működési szabályokat egy vezérlőréteg API-jába kódolják, nem pedig nyers parancssori hozzáférést adnak az ügynöknek.

OpenClaw 2.0: egyszerűbb telepítés és közös munkamenetek a nyílt forráskódú AI-ügynöknek

Az OpenClaw fejlesztői kiadták a nyílt forráskódú személyes AI-ügynök 2.0-s verzióját (jelölése: 2026.8.1), amelyet a projekt közleménye szerint 933 fejlesztő több mint 16 ezer pull requestje formált. A gyártó állítása szerint a telepítés leegyszerűsödött: a program automatikusan felismeri a gépen elérhető ChatGPT- vagy Claude-előfizetéseket, API-kulcsokat és helyben futó modelleket, a további beállítást pedig az ügynökkel folytatott beszélgetésbe helyezték át. A böngészős felület is elsődleges kezelőfelületté vált, ahonnan a felhasználó közvetlenül társaloghat az ügynökkel és nyomon követheti a futó feladatokat. Új elem a megosztott felhős munkamenet, amely lehetővé teszi, hogy több felhasználó dolgozzon egy közös ügynök-kontextuson. A rendszer modellfüggetlen marad, és támogatja a WhatsApp, Telegram, Discord, Slack, Signal és iMessage csatornákat.