Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az automata értékelési módszerek nem képesek megbízhatóan rögzíteni az emberi ítéleteket a kreatív szövegek esetében. A kutatók 11 kreativitási dimenzió mentén vizsgálták emberi és AI-generálta rövid történetek értékelését, összevetve azokat objektív metrikákkal és LLM-alapú bírákkal.
A GitHub kutatói, Mariko Wakabayashi és Zixiao Chen augusztus 25-én publikálták, hogy a valós idejű adatok homályossága és a kontextus hiánya miatt a laboratóriumi teljesítménytesztek nem tükrözik az éles környezet kihívásait.
A chatbotok használata kezdetben 21%-kal növeli a hamis hírek felismerésének pontosságát, de négy hét elteltével a felhasználók 15%-kal rosszabbul teljesítenek a mesterséges intelligencia nélkül – derül ki az MIT Media Lab kutatásából.
A Quantization-Aware Healing (QAH) nevű új technika lehetővé teszi, hogy egy tömörített, 4 bites modell teljesítménye meghaladja eredeti, 16 bites verzióját.
Az AI-kódolóeszközök használata megakadályozza a kezdő programozók szakértői fejlődését, mivel elkerülik a szükséges tapasztalati súrlódást, állítja Lars Faye.
A 22–25 évesek foglalkoztatása az AI-érzékeny állásokban 19%-kal marad el a kevésbé érintett területeken dolgozó társaiktól, ami tavaly még csak 13% volt — derül ki a Stanford friss kutatásából.
Az LLM-eknek akár százezerszer több szóra van szükségük a nyelv elsajátításához, mint egy gyermeknek, ami jelentős adat-hatékonysági rést mutat.
A Google Research és az USC kutatói által kifejlesztett ME-POIs keretrendszer a helyek leírását mozgási adatokkal egészíti ki, így pontosabban becsüli meg a látogatói szándékot és a forgalmat.
A Canonical hároméves PhD-projektet indít a Bristol Egyetemen, hogy mesterséges intelligenciával fordítsanak le nagyméretű C-kódokat Rustra. A kutatás célja, hogy megvizsgálja, hasznos lehet-e az AI-alapú fordítás.
A BDE-séma alkalmazása 1,91 százalékponttal javítja az előrejelzési pontosságot a Twin-2K-500 teljesítményteszten, a gpt-5.4-mini és a Qwen3-8B modelleken is hasonló eredményeket mutatva.
A betanítást nem igénylő eljárás különösen a hangalapú asszisztensek és a kódgeneráló ügynökök működését teszi hatékonyabbá, ezzel javítva a felhasználói élményt.
A Stanford kutatói szerint a tudatosság a világgal való interakcióból fakadó szubjektív élmény, amelyet Q-hálózatok segítségével modellezhetünk.
Az ExpertIVS keretrendszer 14 szociológiai szakértő AI-ügynökkel szimulálja az emberi értékrendet, 90,78%-os pontossággal, ami jelentős előrelépés a korábbi, fragmentált módszerekhez képest.
A kódolási AI-ügynökök produktív használatához magabiztos utasításadás és a változtatások helyes ellenőrzése szükséges — írja Simon Willison.
Angela Shi, az Enterprise Document Intelligence kutatója szerint a relációs táblák új megközelítést tesznek lehetővé a dokumentumcsomagok elemzésében, lehetővé téve a hiányzó iratok és az ellentmondó adatok detektálását.
A referencia-implementációk és a felhasználói rendszerek közötti eltérések miatt a helyi AI-modellek teljesítménye gyakran csalódást keltő. A pontos méréshez a terminal bench, SWEthis vagy HELLAthat szimulátorok futtatása javasolt, nem csupán néhány nullás hőmérsékletű prompt tesztelése.
A Simile AI 2 milliárd dolláros Series B finanszírozási kört zárt, hogy digitális ikreket hozzon létre a Föld 8 milliárd lakosáról. A cég szerint szimulációik pontossága elérheti a 99%-ot az emberi fókuszcsoportokhoz képest.
A Princetoni és a Washingtoni Egyetem kutatói matematikai modellt építettek, amely szerint az AI által megtakarított időt a tudósok nem a mélyebb elemzésre, hanem a projekt gyorsabb elhagyására vagy újabbak indítására fordítják.
A kutatás szerint a biztonsági kérdések kevesebb mint 2%-az informatív, így három, 25 kérdésből álló teszt pontosabb képet adhat, mint a véletlenszerű mintavétel.
A Faraday egy csupán 27 milliárd paraméteres modellre épül, ezzel is bizonyítva, hogy a hatékonyság nem feltétlenül a mérettől függ.
Az AI-rendszereknek nem szabad egy jóslat alapján automatizálniuk a döntéseket, hanem mérniük kell a jóslat bizonytalanságát, és el kell halasztaniuk a lépést, ha egy hiba költséges lenne — írja Mahe Jabeen Abdul.
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.