# Zelflerende tools verbeteren data-analyse door AI-agenten

> TEAL maakt LLM-analisten beter op KramaBench en LakeQA, zonder menselijke labels.

Oossa · 2026-10-21 · https://oossa.com/nl/unsupervised-tool-evolution-boosts-data-lake-analytics-agents

Onderzoekers hebben TEAL uitgebracht, een methode waarmee codeeragenten tijdens het beantwoorden van vragen over een datameer automatisch herbruikbare tools bouwen. Twee hulpagenten dragen tools aan: de ene scant de ruwe data, de andere volgt de stappen van de hoofdagent. Een tool wordt alleen behouden als de hoofdagent die zonder extra werk gebruikt en het antwoord consistent blijft. Het team ontwikkelde ook TEAL-Q om kunstmatige vragen te genereren wanneer er weinig echte vragen beschikbaar zijn.

## De feiten

- Het artikel is gepubliceerd op 2026-10-21
- TEAL verbeterde de score van Sonnet-5 met 9.3 punten op KramaBench en 21.7 punten op LakeQA, met een limiet van 15 stappen

## Waarom het ertoe doet

Dit laat zien dat analyseagenten efficiënter kunnen worden zonder menselijke labels, waardoor het goedkoper wordt om tools voor datameren te ontwikkelen.

## Bronnen en referenties

1. [Unsupervised Tool Evolution for Coding Agents in Data-Lake Analytics](https://arxiv.org/abs/2610.27327) – arXiv, 2026-10-21

Laatst bijgewerkt: 2026-10-21