Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
A Boston University csapata nyerte a MassRobotics Form & Function Challenge-et a Robotics Summit & Expo rendezvényen, ahol 15 egyetem mutatta be robotjait. Az AGROBOT T.O.M. robotot beltéri és vertikális farmokon való precíziós betakarításra tervezték.
A kódírók száma százszorosára nő a következő években. A szoftvermérnök cím év végére eltűnhet.
Egy mesterséges intelligencia által tervezett vakcinaelemet már emberi tesztelésen is kipróbáltak. A tesztelés során nem jelentettek komolyabb biztonsági aggályokat.
A kaliforniai Santa Clara-ban október 20-21. között megrendezendő RoboBusiness 2026 konferencia megnyitotta előadói jelentkezését, amelyre július 8-ig lehet jelentkezni. A konferencia a kereskedelmi robotika fejlesztésének és iparági trendjeinek egyik legfontosabb fóruma.
Az új TimeClaw rendszer idősor-specifikus futtatókörnyezetet biztosít a generalista AI-ügynököknek. A keretrendszer végrehajtható időbeli eszközöket, tapasztalatvezérelt képességfejlesztést és epizodikus multimodális memóriát integrál.
Egy új AI-megoldás 90%-os pontossággal képes előrejelezni a térdízületi fájdalmat. A kutatók az Osteoarthritis Initiative adatait használták fel a módszer kidolgozásához.
A kozmológus Samit Ganguly 2026. június 6-án jelentette be a Diffrax könyvtár áttörését. A JAX-alapú megoldás 5,9 másodperc alatt hajtja végre a 100 000 valószínűségértékelést.
A japán Sakana AI megalapította a Sakana AI RSI Lab kutatócsoportot, amely az AI-rendszerek önmagukat fejlesztő képességét vizsgálja, és alternatívát kínál a folyamatosan növekvő számítási kapacitást igénylő modellekkel szemben.
A LeanMarathon, egy új AI-rendszer, megbízhatóbbá teszi a kutatási szintű matematikai bizonyításokat. A rendszer 258 tételt és lemmát igazolt sikeresen, négy Erdős-problémát érintve.
A Nemotron 3 Super modell gyártásba került, és hibrid architektúrájának köszönhetően hatékonyabban dolgozza fel a hosszú szövegeket. Sebastian Raschka összegyűjtötte a 2026 első felében megjelent legérdekesebb nagy nyelvi modell kutatási eredményeit.
Kutatók egy új AI-modellt fejlesztettek ki, amely 0,85-ös egyezési mutatóval méri fel a makuladegeneráció súlyosságát. A modell 271, 50 év feletti résztvevő adataiból tanult.
A nyelvi modellek rejtett állapotainak dinamikája jobban megjósolja az emberi szövegértés sebességét, mint a korábbi, kizárólag a szavak valószínűségére építő módszerek. Ez a megközelítés pontosabb mércéje a feldolgozási költségeknek.
Új AI-ügynök, a camroll-agent képes hozzáférni a felhasználó fotóihoz és releváns képeket keresni kérdések megválaszolásához. Az adatbázis 50 felhasználót, 31 476 képet és 2500 kérdés-válasz párt tartalmaz.
Az AI-modellek 21 százalékponttal jobban teljesítenek a többtáblás adatbázis-kérdések megválaszolásában egy új, szintetikus adatkészletet használó tréningmódszerrel.
Az UniPixie nevű új AI-keretrendszer képes az anyagok fizikai tulajdonságait több mint 50%-kal pontosabban megjósolni, mint a korábbi módszerek.
A szintetikus adatok használata miatt kialakuló modellomlás jelenségét epidemiológiai szempontból vizsgálják, és ennek keretében azonosítják a szennyeződési folyamatokat.
Az LLM-ek az emberek hiedelmeit is képesek megváltoztatni, akár fontos témákban is, ám a korábbi modellek nem tudták pontosan visszaadni a meggyőzési folyamatot.
A kutatók által kidolgozott új eljárás 0.893-as F1-pontszámot ér el írásjelek helyreállításában, ami jelentős előrelépés a korábbi módszerekhez képest.
Az arXiv kutatói JEPA és MLM célokat kombináló hibrid módszert javasolnak a nyelvi modellek mélyebb szemantikai megértéséért, amely egyenletesebb és gazdagabb reprezentációkat eredményez.
Az új SentinelBench teljesítményteszt 100 feladatot és 10 szimulált webes környezetet használ az AI-ügynökök hosszú távú figyelmének és reagálási idejének mérésére.
Az új StandardE2E keretrendszer egységes interfészt kínál hat különböző adathalmazhoz, megkönnyítve az autonóm járművekkel kapcsolatos kutatásokat.
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.