Anthropic wchodzi agentem w kolejkę przeglądów kodu i kupuje ekspertyzę domenową
Firma Anthropic ogłosiła wczoraj pełną dostępność funkcji przeglądu kodu w swoim narzędziu programistycznym, skierowanej do planów zespołowych i korporacyjnych. Jak opisuje serwis AlphaSignal, większość przeglądów kończy się w sześć do dziesięciu minut, czyli około trzykrotnie szybciej niż w fazie testowej, gdzie trwały przeciętnie dwadzieścia minut, a administratorzy mogą wybrać jeden z trzech poziomów głębokości analizy. Firma oferuje też organizacjom korporacyjnym kredyty od dziesięciu do pięćdziesięciu tysięcy dolarów, zależne od liczby aktywnych stanowisk, z terminem wykorzystania trzydziestu dni od pobrania. Kontekst rynkowy jest jednoznaczny: agenty programistyczne potrafią dziś generować zmiany kodu szybciej, niż ludzie są w stanie je oceniać, więc producent rozszerza swoje narzędzie z fazy tworzenia kodu na fazę jego weryfikacji i zajmuje trwałe miejsce w codziennym obiegu pracy, konkurując z rozwiązaniami GitHub Copilot, Graphite, CodeRabbit i Greptile. Zastrzeżenie, które formułuje sam opis, jest ważne: firma nie opublikowała pomiarów skuteczności wykrywania błędów, więc zespoły muszą ocenić jakość na własnym kodzie, zanim oprą na tym proces.
Źródło: alphasignal
Drugie ogłoszenie dotyczy sposobu zdobywania danych treningowych. Anthropic otworzył nabór do dwóch czteromiesięcznych programów stypendialnych dla doktorantów, które startują w styczniu przyszłego roku: jednego dla nauk ścisłych, drugiego dla rozumowania pojęciowego, obejmującego filozofię, nauki poznawcze, ekonomię, politykę i prawo. Jak podaje AlphaSignal, wynagrodzenie wynosi od stu do stu sześćdziesięciu siedmiu tysięcy dolarów za cztery miesiące, co odpowiada trzystu do pięciuset tysiącom dolarów w skali roku, a zgłoszenia przyjmowane są do dwudziestego ósmego października. Stypendyści budują zbiory danych, testy i środowiska uczenia ze wzmocnieniem, które posłużą do treningu i oceny kolejnych wersji modelu. Sens tego ruchu jest praktyczny i w tym wątku nowy: laboratorium nie szuka opinii o modelu, lecz zamienia wiedzę ekspercką na infrastrukturę treningową, a w dziedzinach takich jak prawo czy etyka, gdzie kilka odpowiedzi bywa obronnych, tworzenie wiarygodnej oceny staje się trudniejsze niż samo zadanie.
Źródło: alphasignal