Nuovo corso: Costruire Agenti di Codifica con Esecuzione di Strumenti, tenuto da @tereza_tizkova e @FraZuppichini di @e2b. La maggior parte degli agenti AI è limitata a chiamate di funzione predefinite. Questo breve corso ti insegna a costruire agenti che scrivono ed eseguono codice per portare a termine compiti, accedendo a interi ecosistemi di linguaggi di programmazione invece di essere vincolati a un insieme fisso di strumenti. Imparerai a eseguire il codice generato dagli agenti in modo sicuro in ambienti cloud sandbox che proteggono i tuoi sistemi da operazioni dannose. Competenze che acquisirai: - Costruire agenti che scrivono ed eseguono codice, gestiscono file e gestiscono errori in modo autonomo attraverso cicli di feedback - Eseguire il codice degli agenti in modo sicuro nelle sandbox cloud di E2B e comprendere i compromessi tra esecuzione locale, containerizzata e cloud - Creare un agente analista di dati che esplora e visualizza i dati con Pandas - Creare un agente full-stack che costruisce applicazioni web complete Next.js Unisciti a noi e costruisci agenti che codificano il loro percorso attraverso compiti complessi:

NeurIPS ha ricevuto 21.575 sottomissioni di articoli quest'anno. Il nostro Revisore Agente, rilasciato la scorsa settimana, ha appena superato questo numero di articoli sottomessi e revisionati. È chiaro che la revisione di articoli agenti è qui per restare e avrà un impatto!

Rilasciamo un nuovo "Agente Revisore" per articoli di ricerca. Ho iniziato a codificare questo come progetto del fine settimana, e @jyx_su lo ha reso molto migliore. Sono stato ispirato da uno studente che ha avuto un articolo rifiutato 6 volte in 3 anni. Il loro ciclo di feedback -- aspettare ~6 mesi per ricevere un feedback ogni volta -- era dolorosamente lento. Volevamo vedere se un flusso di lavoro agentico può aiutare i ricercatori a iterare più velocemente. Quando abbiamo addestrato il sistema sulle recensioni di ICLR 2025 e misurato la correlazione di Spearman (più alta è meglio) sul set di test: - Correlazione tra due revisori umani: 0.41 - Correlazione tra AI e un revisore umano: 0.42 Questo suggerisce che la revisione agentica si sta avvicinando a prestazioni a livello umano. L'agente fonda il suo feedback cercando su arXiv, quindi funziona meglio in campi come l'AI dove la ricerca è pubblicata liberamente. È uno strumento sperimentale, ma spero che ti aiuti con la tua ricerca. Dai un'occhiata qui: