Kategorie: Forschung

Zwei unabhängige Teams haben frontier-Agenten echte Forschungsfragen gestellt – mit sechs Tagen Zeit, 3.000 Dollar Budget und hunderten GPU-Stunden. Beide Male erledigten die Agenten das komplette Engineering allein und scheiterten trotzdem. Die Logs zeigen, woran: an fünf Fehlern, die alle auf derselben Ebene liegen. Und an einem Befund, der jeden betrifft, der Agenten längere Arbeiten überlässt.