Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az Insilico Medicine mesterséges intelligenciát és kínai kutatási infrastruktúrát használva egy évre csökkentette a gyógyszerjelöltek korai szakaszának időtartamát, állítja Alex Zhavoronkov vezérigazgató.
Az METR új 'expenditure horizon' mutatója dollárban fejezi ki, mikor válik drágábbá egy AI-ügynök az emberi munkaerőnél. A NanoGPT sebességi tesztjeinél az AI előnye eddig minimális, a mutató korlátait pedig a kutatók is elismerték.
Az Epoch és METR által kiadott MirrorCode teljesítményteszt szerint az AI-modellek, mint az Opus 4.7, már 14 óra alatt képesek komplex szoftvereket újraalkotni, ami embernek 2-17 hetet venne igénybe.
Az Encord kísérleti projektben agyhullám-adatokat gyűjt a robotok képzéséhez, hogy leküzdje a fizikai AI-modellek adatgyűjtési korlátait.
A mentális egészségügyi AI-eszközök szabályozása kritikus hiányosságokat mutat, ami veszélyeztetheti a felhasználókat — állapította meg a Stanford HAI által összehívott szakértői csoport.
A globális AI-szuverenitás nem a függőség teljes megszüntetése, hanem annak kalibrálása – állítja James Landay, a Stanford HAI igazgatója. A hazai piacra szánt megoldások gyakran mélyítik az amerikai szolgáltatóktól való függőséget.
A Together AI kilenc kutatást adott be az ICML 2026 konferenciára, melyek az AI-rendszerek teljes vertikumát lefedik, az ügynököktől a GPU-kernelig.
Matt Pocock fejlesztő 2073 csillagot szerzett a GitHubon, megelőzve az Apache Ossie és a PostHog projektet a népszerűségi listán.
A Lila Sciences 10 billió, kísérletileg validált tudományos leírást gyűjtött, hogy ezzel építsen egy általános AI-modellt, amely a tudomány minden területén képes felfedezéseket tenni.
Az NVIDIA Nemotron Model Reasoning Challenge több mint 5000 aktív résztvevőt és 4000 csapatot vonzott a Kaggle-re, ahol a legjobb megoldások az érvelést teljes mérnöki munkafolyamatként kezelték, tömörítették az érvelési lépéseket és célzott megoldókat építettek.
Az Apple kutatói bemutatták az FAE (Feature Auto-Encoder) keretrendszert, ami egyetlen figyelmi réteggel képes a pretréningelt vizuális kódolókat generálásra alkalmas, alacsony dimenziós latens térré alakítani.
Richard Sutton, a modern reinforcement learning egyik megalkotója, Khurram Javeddel közösen alapította a torontói Oak Labot. A cég olyan AI-ügynököket fejleszt, amelyek maguktól tanulnak és terveznek.
Az Anthropic felfedezte, hogy a nagy nyelvi modellek (LLM) belsejében egy rejtett „tér” létezik, az úgynevezett J-space, amely olyan szavakat tartalmaz, melyek nem jelennek meg a kimenetben, de befolyásolják a problémamegoldást.
Három okleveles pszichiáter 360 AI-választ értékelt, de véleményük gyakran ellentmondott egymásnak, rámutatva a biztonsági ellenőrzések megbízhatóságának hiányára. Kiana Jafari szerint az átlagolt pontszámok nem vezetnek az ideális válaszokhoz.
Az NVIDIA cBottle és Earth2Studio eszközeivel a korábbiaknál hatékonyabban becsülhetők a ritka, de nagy hatású időjárási jelenségek, mint a trópusi ciklonok kockázatai.
Az MIT mérnökei, többek között Zhao Xuanhe és Lu Gengxi, egy ultrahangos csuklópántot fejlesztettek, amely valós időben irányít robotkezeket az emberi kéz mozdulatainak pontos másolásával.
Az AI új határán, a fizikai világ szimulációjában új szereplők jelentek meg: a világmodellek, melyek a robotikától a 3D-s tartalomgenerálásig terjednek, és milliárdos befektetéseket vonzanak.
A Context Graph rendszer 47 perc helyett 30 másodpercnél is kevesebb idő alatt értesíti a felhasználókat a releváns üzleti változásokról, miközben a hibaráta 11 százalék alá csökken.
Az idiobionika új kutatási irányt jelöl ki az intelligens robotprotézisek adatvédelmi kockázatainak feltárására, hogy azok teljes potenciálját ki lehessen aknázni.
Az új agentic AI keretrendszer a kisvállalkozásokra vonatkozó Business Owner Policies (BOPs) kockázatértékelését automatizálja, különösen a hiányos információk esetén nyújtva előnyt.
Az LLM-ek egyre nagyobb szerepet kapnak a mentális egészségügyben, de a jelenlegi biztonsági intézkedések nem elegendőek. Új keretet javasolnak a kutatók, amely az emberi orvosi gyakorlatot veszi alapul.
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.