Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
A Heidy Khlaaf, az AI Now Institute főtudósa szerint az AI használata az iráni légicsapások tervezésében növeli a téves célzások kockázatát.
A 2,5 milliárd eurós alapítvány 5 éven keresztül fogja támogatni a fejlesztő országokat, a nyílt forráskódú AI eszközökön alapuló, kevésbé erős AI rendszerekhez való hozzáférést biztosítva.
A lista 11 kategóriába szervezi a kutatási tanulmányokat, beleértve a következtető modelleket, a megerősítési tanulást és a multimodális modelleket — mintegy 200 tanulmányt tartalmaz.
A Columbia egyetemi professzor, Mohammed AlQuraishi 2021-ben megalapította az OpenFold projektet, amely nyílt forráskódú fehérje-összehajlási modelleket hozott létre.
Több mint 30 kutatócikket kategorizált Sebastian Raschka a lista második felében, amelyek az LLM-k fejlesztését és alkalmazását tárgyalják.
Az Anthropic szerint a jövőbeni AI-modelleknek a társadalmi jólétet és az egyéni boldogulást kell szem előtt tartaniuk, és ehhez új algoritmusokra és jólétalapú értékelési módszerekre lesz szükség.
A matematikai módszerek a mélytanulásban most inkább a modell betanításának és teljesítményének utólagos magyarázatában játszanak szerepet, hasonlóan ahhoz, mint a fizikában.
Egy nigériai tanulmány szerint a GPT-4 tutorral és tanári irányítással elért eredmények kétszeresen meghaladták a legjobb oktatási intézkedések hatását.
Az Anthropic és a Google szerint a GPT-5 által nyújtott túlzott könnyedség akadályozhatja a tanulást, a motivációt és a kreatív problémamegoldást, mivel a nehézségek – a „súrlódás” – kulcsfontosságúak a fejlődésben.
Az OpenAI 13,4 milliárd dolláros befektetési körét követően kezdett átszervezésbe, új projekteket és vezetői pozíciókat alakít ki — írja a Bloomberg.
Az embedding modellek a szavakat és mondatokat folyamatos vektortérbe képezik le, ahol a hasonló jelentésű elemek közel kerülnek egymáshoz – így a keresés nem a pontos szavakra, hanem a szöveg valódi jelentésére alapoz.
Ha a modell részt vesz saját kiértékelésében, a mérőszámok torzulnak – ezt a problémát vetette fel Kevin O'Shaughnessy a LessWrong platformon, az Opus 4.6 System Cardot kritizáló elemzésekre hivatkozva.
A Ligeia által fejlesztett Simplicity módszer egyetlen szövegkörnyezetben minimalizálja a szóhasználatot és maximalizálja a humor hatását, hogy az LLM-ek rövid, hatásos szövegeket generáljanak.
Cormac Slade Byrd, az InkSF mögött álló személy, 2 hónapja tanulmányozza az AI-biztonságot és most San Francisco felé indul, hogy közelebbről figyelemmel kísérje a fejleményeket.
A kutatók 3000 szövegalapú munkafeladatot vizsgáltak, és megállapították, hogy az LLM-ek 60%-át minimálisan megfelelő szinten, 26%-át pedig kiváló minőségben tudják elvégezni.
A Coefficient Giving nonprofit szervezet több mint 100 millió dollárt irányít biotechnológiai biztonsági projektekre, reagálva az AI által felerősített biológiai fenyegetések kockázatára – a pályázati ablak május 11-én zár.
A SimMOF fejlesztői az ArXiv-en osztották meg a projekt részleteit, ami egy nagy nyelvi modell alapú, többszörös ügynök keretrendszer.
A GISTBench keretében a kutatók egy új tesztet mutattak be, amely nyolc, 7 milliárd paraméteres nyílt súlyú LLM felhasználói interakciók alapján értékeli a megértési képességet.
Öt vezető LLM tesztje szerint a modellek válaszainak 6,5%-ában hallucináció, 13,2%-ában mulasztás vagy kitérő válasz szerepelt – az UTCO-keretrendszerrel 2075 strukturált utasítást vizsgálva.
A kutatók 960 ülést végeztek két modellpárral 15 feladatban, és megállapították, hogy a személyalapú ügynök-bírák értékelései nem különböznek jelentősen az emberi bírákétól.
Az ArXiv NLP szerint a kutatók a DeepSeek-R1 sorozatú nagy reasoner modelleket vizsgálták, amelyek erős reasoner képességeket mutatnak a poszt-tréning után.
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.