Nuove ricerche da Databricks. Si tratta di addestrare agenti di ricerca aziendale tramite RL. KARL introduce un approccio RL multi-task in cui gli agenti vengono addestrati su comportamenti di ricerca eterogenei, ricerca di entità guidata da vincoli, sintesi tra documenti e ragionamento tabellare. Generalizza sostanzialmente meglio rispetto a quelli ottimizzati per un singolo benchmark. KARL è Pareto-ottimale sia per i trade-off costo-qualità che latenza-qualità rispetto a Claude 4.6 e GPT 5.2. Con un calcolo sufficiente durante il test, supera i modelli chiusi più forti pur essendo più efficiente in termini di costi. Carta: Impara a costruire agenti AI efficaci nella nostra accademia: