Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
A Google három LLM-modelljének ensemble-ja 0,74-es F1-pontszámmal és pontossággal azonosítja az EQ-5D adatokat tartalmazó biomedicinai cikkeket, ami meghaladja az egyedi modellek teljesítményét.
Az AI-modellek képesek felismerni és kijavítani saját etikai hibáikat, állítják a kutatók. Az új eljárás során a Direct Preference Optimization (DPO) technológiával finomhangolják a rendszert, amely így egyetlen introspektív kérdésre is képes etikusabb válaszokat adni.
Az új ProMUSE AI-modell 50-90%-kal csökkentheti az Alzheimer-kór diagnosztizálásához szükséges drága képalkotó eljárások (MRI/PET) használatát, miközben megőrzi a pontosságot.
Az új cAPM módszer 4,5 szúrással 81% valószínűséggel azonosítja a szívritmuszavarok forrását, szemben a korábbi 13,7 szúrással.
Az Airbus a Vivatech kiállításon mutatta be az Optimate demonstrátor projektet, amelyben radar, lidar, kamerák és AI kombinációját használják a helyzetfelismerés javítására. A cég a kvantumszenzorok fejlesztését is vizsgálja a repülési biztonság növelésére.
Az NVIDIA SpatialClaw ügynöke kódként kezeli az utasításokat, és 59,9%-os átlagos pontossággal teljesít 20 teljesítményteszten, felülmúlva a korábbi modelleket.
Bár a Hugging Face Hubon található modellek 98,4%-az említi a LoRA-t, a kutatók szerint más paraméterhatékony finomhangolási (PEFT) technikák is felülmúlhatják bizonyos feladatokban.
Az AI-eszközök túlzott használata csökkentheti a szakemberek készségeit, ezt támasztja alá egy lengyel kutatás, amely szerint a sebészek adenóma-észlelési aránya 28,4%-ról 22,4%-ra esett vissza az AI-segédlet bevezetése után.
Az AA-Briefcase teljesítményteszt szerint a legfejlettebb AI-modellek is csak 3%-ban oldanak meg teljesen valós tudásmunka feladatokat, miközben az árkülönbség akár 800-szoros is lehet.
A Subquadratic nevű startup azt állítja, hogy egy matematikai áttöréssel drasztikusan csökkentette a transformeralapú AI-modellek válaszadásához szükséges számítások mennyiségét.
A kutatók több mint 372 000 példát és 33,75 millió anyagi szabályt gyűjtöttek össze a DeFAb benchmarkbe, amely 2026. június 19-én jelent meg MIT licenc alatt.
Az LLM-ügynökök a rövid távú feladatokban jeleskednek, de a hosszú távú, bizonytalan kihívásokkal meggyűlik a bajuk — ezt méri a Stanford és a Google Robotics új CEO-Bench benchmarkja.
Casey Harrell, az ALS-ben szenvedő férfi, aki három éve használja agyi implantátumát, mostantól privát módban és profán filterrel kommunikálhat, miközben a BCI-kutatások világszerte fellendülőben vannak.
A kutatók által kifejlesztett prím-duális inferencia (PDI) módszer a diffúziós modellek mintavételezését teszi hatékonyabbá, különösen összetett optimalizálási feladatoknál.
A vizsgálatok szerint az alapmodellek képesek megbízható eredményeket szolgáltatni különböző ráktípusok felismerésére, még akkor is, ha az adatok eloszlása eltér a tanítóhalmaztól.
Az Arbor két fő komponensből áll: egy koordinátor-ügynök, amely a kutatási irányt irányít, és több rövid életű végrehajtó-ügynök, amelyek izolált környezetben tesztelik a hipotéziseket.
A kutató egy NAND kaput és egy 1-bit perceptront épített a játék szcenárió-szerkesztőjében, digitális kecskéket használva bitekként. Ez a kísérlet rávilágít a neurális hálózatok építésének lehetőségére egy váratlan környezetben.
A hagyományos biztonsági tesztek csak a felhasználói kérdések egy szűk szeletét vizsgálták — az új telepítés Simulation módszer 1,3 millió valós, anonim beszélgetés alapján 92%-os hibaarány-előrejelzést ér el.
Az új MIGHTY rendszer lehetővé teszi, hogy a drónok ezredmásodpercenként reagáljanak hirtelen akadályokra, miközben 6,7 m/s sebességgel tartják a sima repülési pályát – ez kritikus a földrengés utáni mentési műveletekben.
Kutatók egy új Bayesian módszert fejlesztettek ki, amely megbecsüli a mágneses rezonancia képalkotás során keletkező hibák mértékét. Ez a módszer hatékonyabban képes kvantálni a képalkotás során keletkező hibákat.
A PhoneHarness 75%-os feladatvégrehajtási arányt ért el, ami 12,9 százalékponttal múlja felül a korábbi mobilügynököket. A PhoneHarness egy új keretrendszer, amely valós mobilfeladatok elvégzésére alkalmas ügynököket tesztel.
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.