AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
Az UIC-AIHealth4All rendszere 3. lett az ArchEHR-QA 2026 versenyen a bizonyítékazonosításban, 62,90-es Strict Micro F1-pontszámmal. Az answer-first folyamat-t használó modell kimenetei azonban átlagosan 3,2 olvasási fokkal nehezebbek a klinikusok által írt referenciáknál.
Az emberközpontú AI-magyarázatok (HCXAI) tervezésekor figyelembe kell venni az információkeresés pszichológiáját, mivel a felhasználók instrumentális, hedón és kognitív hasznosság alapján döntenek a magyarázatok elfogadásáról.
A nyelvmodellek képesek felismerni, ha a RAG-rendszer által kapott információ nem elegendő vagy ellentmondásos a válaszadáshoz — derül ki egy új, 16 különböző modellre kiterjedő kutatásból.
A valós idejű hangügynökök sebességét leggyakrabban a TTFT (Time-to-First-Token) alapján választják, ám ez a mérőszám félrevezető lehet. A tényleges felhasználói élményt a TTFS (Time-to-First-Sentence) határozza meg, amelynek ideális esetben 800 ms a célja.
Az MIT szerint az AI szinte minden egyetemi írásbeli feladatot képes megoldani, ami campus-kultúraváltást idézett elő. Az EU AI Act szigorúbb szabályokat vezet be a diákfelügyeletre.
Az AI-val kapcsolatos amerikai munkavállalói vélemények 81%-ról 43%-ra estek vissza 2019 és 2026 között, miközben a negatív kommentek aránya 53%-ra nőtt – derül ki a Glassdoor elemzéséből.
A felhasználói gépelési hibák, transzkripciós és OCR-zajok rontják a RAG-rendszerek teljesítményét. A klasszikus helyesírás-ellenőrzők csak az elsőt tudják javítani.
Az embodied AI rendszerek fejlődését a fizikai korlátok, mint az energiaigény, súly és késleltetés szabják meg, nem a szoftveres tervezés. Zhengis Tileubay szerint új matematikai megközelítésekre van szükség.
Angela Shi és Kezhan Shi szerint a pontos egyezés, a helyesírás-javítás vagy a kulcsszó-keresés alkalmazása nemcsak gyorsabb, hanem átláthatóbb is, mivel ezek a módszerek milliszekundumok alatt adnak választ, és megnevezik a működésük mögött álló szabályt.
Több mint ezer friss egyetemi hallgató részt vett a kísérletben, amelyben a GPT-4o használata közel egy ponttal növelte az átlagos értékelést egy ötpontos skálán.
A Code-as-World-VL-9B modell 55,4 MRA-t ért el a QuantiPhy-teszten, megelőzve a Gemini-3.1 Flash-t (54,8) és a legerősebb nyílt forráskódú alapmodellt.
Az Anthropic 10 ezer ingyenes vagy kedvezményes Claude-előfizetést kínál tudósoknak egy évre új csapatcsomagjában, miközben bővíti AI for Science programját is.
A Meta lenyűgöző sebességgel zárkózott fel az AI-élvonalhoz, de vajon a 'Watermelon' modell és a 'Hatch' termék elég lesz-e a felhasználók megnyeréséhez?
A LAION kiadta a Big Video adathalmaz (BVD) nevű, 80 millió videóból álló, 10 millió óra anyagot tartalmazó nyílt adathalmazát, amelyet nem kereskedelmi AI-kutatási célokra lehet felhasználni.
A Stanford kutatói által az EMNLP 2026-on bemutatott új metrika szerint az LLM-ek nem követik következetesen a Bayes-szabályokat, ami a világmodelljeik hibás voltát jelzi.
A Google Deepmind Co-Scientist AI-rendszere már nem csak hipotéziseket generál, hanem teljes kutatókörfolyamatot végez: kísérleteket tervez, vezérli a laborberendezéseket és tudományos cikkeket ír, miközben a hibás adatközlés aránya 4 százalékra csökkent.
Az Anthropic kutatói bemutatták, hogyan képesek automatizált rendszerek emberi beavatkozás nélkül javítani a mesterséges intelligencia modellek igazságosságát 10 különböző teszten, miközben teljesítményük nem csökken.
Jensen Huang szerdai eredménybeszámolóján jelentette be, hogy az Nvidia elérte az AGI-t, az AI-iparág egyik végső célját. Ugyanakkor szinte azonnal hozzátette, hogy a kitüntetett mérföldkő „értelmetlen”.
A Google a szingapúri AI Safety Institute, az OpenMined, az AVERI és a MLCommons partnerekkel kriptográfiailag biztonságos környezetben teszteli a Gemini Flash Lite modellt, hogy megakadályozza a teljesítményteszt-szennyeződést.
A Bocconi Egyetem és az OpenAI közös kutatása szerint a ChatGPT-hozzáférés javította a diákok munkáinak minőségét és koherenciáját, míg a kritikai gondolkodás képzése több egyedi ötletet eredményezett.
Anima Anandkumar, a Caltech professzora szerint az AI-modellek nem alkalmasak a fizikai világ (időjárás, fúzió) modellezésére, mert más megközelítést igényelnek, mint a nyelvi modellek. A Neural Operators és a FourCastNet 3 azonban áttörést hozhat.
Tetszik az oldal? Támogasd a fejlesztést
Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.