Agents IA : quand persister devient s'acharner

Faut-il gaver nos agents de trajectoires interminables pour leur apprendre la ténacité ? Une étude récente sur Terminal-Bench prouve l'inverse : réduire la taille des exemples supervisés permet de résoudre plus de tâches tout en économisant un tiers du temps de calcul. Quand la persistance devient un défaut d'apprentissage, la sobriété des données rebat les cartes de l'ingénierie logicielle. #modeles #meta-volatile #agents #benchmarks #supervision