Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az AWS lett a Novo Nordisk preferált felhőszolgáltatója és stratégiai AI-partnere, közös kutatóközpontot nyitottak Londonban a gyógyszerkutatás felgyorsítására.
A diffúziós modellek titkosítása a generálási folyamat sebességét növeli, miközben a minőség nem szenved csorbát.
James Landay, a Stanford HAI igazgatója szerint a nyílt súlyú AI-modellek, mint a kínai Kimi K3 és Qwen3.8-Max, ugyan fejlődnek, de nem elegendőek a tudományos kutatáshoz. Valódi nyílt forrású AI-ra van szükség, amely magában foglalja a kódot, az adatokat és az eszközöket is.
A Hugging Face és az EleutherAI FineBooks projektje 14 nyílt OCR modellt tesztelt történelmi könyveken. A legjobb modellek 97,6%-os karakterpontossággal dolgozzák fel a szöveget, ami elegendő az AI-képzéshez, de tudományos célra még nem.
Az AI-ügynökök képesek modellezni a kutatói folyamatok iteratív, rendkívül kontingens jellegét, szemben a nagyméretű adathalmazokra építő megközelítésekkel — érvelnek Eric Schmidt és Suhas Mahesh.
A Variational Autoencoder (VAE) új megközelítést kínál a latens térben a hasonlóság megőrzésére és a valósághű képgenerálásra, szemben a hagyományos autoenkóderek korlátaival.
A tudományos publikációk száma évente 5,6 százalékkal nő, emiatt a lektorálásra fordított, becslések szerint 15 000 évnyi munka ellátása egyre nehezebb. Steven Mack szerkesztő például harminc kutatónak írt, hogy egyetlen lektort találjon, míg öt éve három jelentkező is volt.
Az AlphaFold betanításához használt Protein Data Bank összeállítása 53 évnyi együttműködést és becslések szerint 21 milliárd dollárnyi kísérleti munkát igényelt.
A jelenlegi AI-ügynökök személyiségváltozásai kisebbek és kevésbé változatosak, mint az emberi minták — mutatja a BFI-Adapt teljesítményteszt, amely 14 modellt értékelt.
A TradeVerse nevű új teljesítményteszt a WTO vitáiból építkezik, és a politikai tárgyalási képességeket méri az LLM-eknél.
Az emberek nem tudják megkülönböztetni a ChatGPT által írt és az emberi szerzők által jegyzett novellákat, sőt, az előbbieket magasabbra is értékelik, amíg nem tudják a szerző kilétét.
A GitHubon megjelent kezdeményezés egy nap alatt 47 új csillagot szerzett, és jelenleg 798 csillagnál és 174 fork-nál tart.
A Stanford kutatói által létrehozott, 37 ezer AI-ügynökből álló virtuális biotechnológiai rendszer egyik nanobody-tervét a Merck gyógyszergyár is függetlenül validálta.
A 2024–2025-ös felmérés szerint az amerikai középiskolai tanárok 43%-a használ rendszeresen AI-detektorokat, miközben a Turnitin, a GPTZero és a Pangram által közölt alacsony téves riasztási arányok független megerősítés nélkül vitathatók.
Az Apple kutatói 1,7 milliárd paraméteres AI-modellt tanítottak 2,1 trillió tokenen, ami 4 lépésben képes szöveget generálni, miközben megőrizte a majdnem adatszintű token entrópiát.
Egy klímakutató, Zeke Hausfather új elemzése szerint az AI-ügynökök nagyjából 600-szor több energiát használnak fel lekérdezésenként, mint a Google és az OpenAI által közölt átlagos chat-lekérdezések.
A Google DeepMind WeatherNext modellje átlagosan egy nappal korábbi és pontosabb hurrikán-előrejelzéseket tesz lehetővé, ami kulcsfontosságú a katasztrófák elleni védekezésben.
Az ICE közel egymillió DNS-mintát gyűjtött be idén, köztük gyerekekét, melyeket véglegesen az FBI adatbázisába töltöttek fel. A SpaceX Falcon 9 rakétája a Holdnak ütközött, új krátert hozva létre.
Tudósok AI-t tanítottak DNS-szekvenciákra, hogy új genomokat tervezzenek. Az eredmény 16 új vírus, amelyek jelenleg nem jelentenek veszélyt az emberre, de orvosi áttörést vagy biológiai fegyvereket eredményezhetnek.
Az Allen Institute for AI (AI2) bemutatta a TutorMoments nevű keretrendszert, amely valós diák-tanár interakciók alapján vizsgálja, hogy az AI-tanárok mikor segítenek túl sokat, és mikor hagyják a diákokat önállóan gondolkodni.
A Diffusion Language Model-ek (DLM) párhuzamos token-generálással magasabb aritmetikai intenzitást érhetnek el, de hosszú kontextusoknál skálázási problémákkal szembesülnek az Autoregressive Language Model-ekkel (ARM) szemben.
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.