Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az új Taxonomic Strategy RAG (TS-RAG) módszer a korábbi 70,5%-ról 78,5%-ra növeli az AI-ügynökök nyerési arányát stratégiai vitákban, különösen ott, ahol a hagyományos RAG módszerek elbuknak.
Az LLM-ek automatizálják a teljesítményteszt-feladatok generálását a Project Auto-World keretében, hogy szisztematikusan nehezebb példányokat hozzanak létre a neurális okosítók tesztelésére.
Dr. Zoltán Kovács szerint a Trakkr AI által közzétett bias-térkép szerint a ChatGPT –0,29-es baloldali eltolódást mutat, míg a Grok +0,21-es jobboldali pozíciót.
Az iparág 90-95 % körüli kudarcarány a legmagasabb a gazdaságban, ezért a Stanford kutatói hierarchikus AI-ügynökökbe vetették a gyógyszerfejlesztés teljes ciklusát, hogy megőrizzék a projektkörnyezetet.
A Washington Post vizsgálata szerint a legtöbb AI-chatbot baloldali álláspontot képvisel politikai kérdésekben. A Google Gemini 3.1 Pro kivétel, 93%-ban kiegyensúlyozott válaszokat ad.
Az Allen Institute for AI kutatói hibrid AI-modellek előnyét mutatták meg a transzformerekkel szemben, különösen a főnevek, igék és melléknevek megjóslásában. A 7B-s méretű Olmo Hybrid nevű modelljüket hasonlították össze az Olmo 3-as transzformerekkel.
A Google DeepMind Aletheia rendszere önállóan előállított doktori szintű kutatási eredményeket aritmetikai geometriai struktúrakonstansok kiszámításával. Az OpenAI modellje pedig cáfolt egy fontos sejtést kombinatorikai geometriában, amit a matematikusok mérföldkőnek ismereltek el.
A Neuro-Symbolic Drive keretrendszer a klasszikus tervezők szabályalapú logikáját építi be a robotautó-vezérlő modellekbe, így a hibaszázalék akár 10,13%-ról 5,99%-ra csökkenhet.
Az RIFT-Bench nevű új keretrendszer egységesen képes vizsgálni a különböző autonóm AI-rendszerek biztonsági réseit, a szerzők szerint a módszer 45 különböző ügynökön bizonyult hatékonynak.
Az új T2D-Bench teljesítményteszt szerint a GPT-4o 33%-ban, a GPT-4o-mini 35%-ban hibázik a diabétesz-kezelési ajánlások ellenőrzésekor, nem felelnek meg az ADA irányelveknek.
A DriveStack-VLA egy új AI-keretrendszer, amely 91,6%-os pontossággal képes navigálni autóvezetésben, miközben a zárt tesztekben 56,36%-os sikeraránnyal teljesít.
Jonas Adler és Alexander Pritzel, a Google Gemini AI modell kulcsfontosságú fejlesztői az Anthropicba távoznak, tovább gyengítve a Google pozícióját a mesterséges intelligencia versenyben.
A SignalFire kutatása szerint a mérnöki pozíciók voltak a legellenállóbbak 2025-ben, miközben a technológiai szektorban általánosan csökkent a foglalkoztatás.
Az amerikai és kínai AI-verseny globális kockázatokat rejt magában, amelyek akár 'Csernobil-pillanathoz' is vezethetnek, ha a két szuperhatalom nem működik együtt — véli Stephen Casper, az MIT kutatója.
Az új Dual-Stream Heterogeneous Graph Neural Network (DS-HGNN) 19-38%-kal kevesebb betanító adattal képes pontosan szimulálni a szerkezeti válaszokat, mint a korábbi modellek.
A ritka vérbetegségek megkülönböztetését célzó AI-modellek közül a Random Forest és a Gradient Boosted Trees kombinációja lett a legeredményesebb, 14 diagnózis között.
A kutatók szerint a Tree of Thought (ToT) stratégiák, mint a DPTS és az SSDP, korlátozottak és nem skálázódnak megfelelően a számítási kapacitás változásával. Úgy tűnik, hatékonyabb megközelítésre van szükség az AI-ügynökök számára.
A HANCLIP 20 000 kép-szöveg kvadrupelből tanul, és a tagadó mondatok kezelésében 15%-kal jobb a NegBench teljesítményteszten, mint a CLIP vagy a LongCLIP.
Az MIT kutatói ultrahangos csuklószalagot fejlesztettek, amellyel robotkezet lehet vezérelni zongorán dalokat játszani és kosárlabdát dobni.
lwilko szerint a Civilization VI-ben az AI által kezelt döntési tér becslés szerint 10^166 lehetséges akciót tartalmaz egy körben, ami rávilágít a kormányzati AI korlátaira.
A kiadók 23%-a megszüntetné az eredeti tartalmakat felkutató AI-keresőket, ám a belső appalapú AI-integrációval szemben nagy az optimizmus — derül ki a Pugpig friss jelentéséből.
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.