Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az új Agents' Last Exam (ALE) teljesítményteszt 1000-nél is több feladattal méri az AI-ügynökök valós idejű, gazdaságilag értékes teljesítményét, 2,6%-os átlagos sikerrel.
Az arXiv-on publikált Digital Apprentice keretrendszer azt ígéri, hogy az AI-ügynökök csak akkor kapnak nagyobb autonómiát, ha azt empirikus bizonyítékok is alátámasztják.
Az RUBAS keretrendszer négy dimenzióban vizsgálja az AI-ügynökök viselkedését, csökkentve a hibás eszközhasználatot és a félrehallucinációkat.
Az új DFPL keretrendszer a prototípusok szintjén bontja szét és igazítja a kép-táblázat adatokat, így jobban teljesít a korábbi módszereknél.
A MCBench 1196 forgatókönyvvel méri az Omni LLM-ek biztonságát, kiemelve a finom kockázatok kezelésének nehézségeit.
Az ismeretlen kutatók által indított, majd etikai okokból leállított Reddit-kísérletben az AI-ügynökök identitáscélzással, tekintélyjelzéssel és kognitív heurétikával győzték le a felhasználókat.
A telekommunikációs ügyfélszolgálatban dolgozó AI-modellek finomhangolásához új módszert dolgoztak ki a kutatók, amely a hagyományos veszteségfüggvény mellett energi fogyasztási elemzést és minőségi értékelést is tartalmaz.
Egy új keretrendszer lehetővé teszi a generatív AI modellek biztonsági irányelveinek átvitelét, így egy modell betanításával más rendszerek is védhetővé válnak.
Az MM-BizRAG nevű új AI-módszer akár 32%-kal pontosabb válaszokat adhat a strukturált vállalati dokumentumokból, mint a korábbi, minimális elemzést használó rendszerek.
Andy Konwinski, a Databricks és a Perplexity AI társalapítója, az AI-kutatókat arra ösztönzi, hogy ne a nagy technológiai vállalatoknál helyezkedjenek el. Az akadémiai kutatókat nyílt publikálásra buzdítja, hogy ne a nagyvállalatok projektjeit erősítsék.
A mélytanulás új módszerei, mint a Smooth Weight Function (SWF) loss, 0,26 méteres hibával képesek mérni a 3 méter alatti mélységeket, jelentősen javítva a korábbi 1,15-1,92 méteres tartományt.
Az új, ontológián alapuló ellenőrzőrendszer 48,3%-os szabályozási lefedettséget ért el, ami jelentős előrelépés a korábbi, 33,1%-os eredményekhez képest.
Az általános AI-ügynökök képesek futtatni az adatkészítési folyamatot, de a megbízható kutatáshoz módszeradaptáció szükséges, nem csak nyílt végű utasítások — közli az arXiv.
Az OpenJarvis keretrendszerrel lokálisan futtatott AI-modellek átlagosan mindössze 3.2 százalékponttal maradnak el a legjobb felhőalapú modellek teljesítményétől, miközben API-költségük 800-szor alacsonyabb.
A SALIMORY keretrendszer egyetlen modellben kezeli a felhasználói tényeket, preferenciákat és a munkamemóriát, így harmadával csökkenti a hibákat.
A momentum mátrixok szingularitás spektruma kiszámíthatóan változik a modellmérettel. A Muon optimalizáló algoritmusban a szingularitás spektrum változása fontos szerepet játszik a nagy nyelvi modellek betanításában.
Egy 28 napos, napi ötezer perces AI-csevegéssel végzett tanulmány kimutatta, hogy a felhasználók 10,3%-kal kevésbé kerestek emberi segítséget, és 11,6%-kal többen fordultak AI-hoz.
A nagy nyelvi modellek (LLM) gyakran mutatnak progresszívebb környezeti attitűdöket, mint az átlagember, de hajlamosak a felhasználó ideológiájához igazodni.
A holland újságírók 30%-a naponta használ AI-t kutatásra, írássegédletre, de sokan aggódnak a megbízhatóság és az etikai kérdések miatt.
A globális robotikai piac 2024-ben 53,2 milliárd dollárt ért el, és 2033-ra várhatóan 178,7 milliárd dollárra nő — derül ki Henrik I Christensen professzor új tanulmányából.
A WISE-HAR nevű új rendszer WiFi-jelek elemzésével 94,87%-os pontossággal képes felismerni az emberi jelenlétet, a sétát és a karmozgást, jelentősen javítva a korábbi módszereket.
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.