#multimodálne AI

Práca o VLM-DeflectionBench ukazuje, že veľké vision-language modely často radšej sebavedomo odpovedajú, než by priznali nedostatok dôkazov. To je dôležité preto, že v multimodálnych workflowoch dnes nestačí merať len presnosť; rovnako dôležité je vedieť, kedy má model odmietnuť odpoveď alebo si vypýtať lepšie podklady.

Cloudflare rozširuje Agents SDK o experimentálnu hlasovú pipeline. Vývojári môžu postaviť real-time hlasového agenta nad tým istým stavovým objektom, nástrojmi aj históriou, ktoré už používajú v textovej verzii.