Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
Az OpenAI egy belső, még nem publikált modelljével állítólag megoldotta a Navier–Stokes-egyenlet létezését és simaságát, ami a Clay Mathematics Institute egyik egymillió dolláros Millenniumi Díj-problémája.
A Good Start Labs 30 milliárd paraméteres modellje az 1830: The Game of Railroads and Robber Barons nevű vasúti játékban tanult képességeket hasznosítva javított a pénzügyi kutatási feladatokon.
A Google DeepMind elindította a DeepMind Institute-ot (DMI), amely az általános mesterséges intelligencia (AGI) kutatására és vitájára fókuszál. Igazgatói Shane Legg, Demis Hassabis és James Manyika.
Az OpenAI Alapítvány 500 ezer dollárt ad az 1Day Sooner szervezetnek, hogy csődbe ment biotech cégek titkos adatait gyűjtse, ezzel gyorsítva az orvosi AI-kutatásokat.
A nyolc vizsgált rendszer közül a Claude 38,8%-os pontossággal végzett a legjobb, míg a GPT-5.6 mindössze 16,2%-ot ért el.
A kutatók kimutatták, hogy a nyolc lépést a modellek középső rétegei választják szét a legerősebben, míg a felületi tokenek figyelése alulmarad. Az elemzés a Qwen2.5-7B, a Qwen3-8B és a Gemma4-31B belső aktivációit vizsgálta.
A kompetencia-gátas eljárás 2357 kérdésen tesztelve 0.0771-ről 0.0732-re csökkentette a Brier-score-t, ezzel is bizonyítva a nyelvi modellek és külső előrejelzések hatékonyabb integrálását.
Hat napos, 3 000 dolláros teszt során a Princeton kutatók azt találták, hogy az AI-ügynökök által készített kutatási papírokat a szerzők elutasították top-konferencia szintjén.
A kutatók 100 Korán-recitációs felvétel elemzése során 348 egységet és 162 eseményt azonosítottak, megkülönböztetve a hibákat az ismétlésektől és az elfogadott helyesírási különbségektől.
A kutatók az MMR-módszert négy nyelven – angol, spanyol, német és cseh – tesztelték, és kimutatták, hogy a módszer a fonémák gyakoriságával negatívan, a funkcionális terheléssel pedig pozitívan korrelál.
A szakértők szerint a mesterséges intelligencia által tömegesen előállított megoldások nem a tudás elmélyítését, hanem annak felszínesítését szolgálják, mivel a felhasználók elhanyagolják a logikai levezetések megértését.
Az LLM-ek valós képességekkel bírnak, ám a mesterséges intelligencia körüli hisztéria gyakran hamis, és a vállalatok a veszélyek eltúlzásával próbálnak befektetői tőkét szerezni.
Vinoo Ganesh szerint a pozíciók gyakran csak névleg azonosak, miközben a feladatkörök, a felelősségi szintek és a motivációk gyökeresen eltérnek egymástól.
Huszonöt Fields-érmes matematikus szerint az AI-eszközök súlyosan elhibázottan illeszkednek a matematika gyakorlatához. Sürgős közösségi és politikai cselekvésre szólítanak fel.
Az AI rendszerek képesek lesznek magukat fejleszteni, de a hirtelen, robbanásszerű intelligencia-növekedés nem valószínű — állítja Oriol Vinyals, a Google DeepMind korábbi kutatási alelnöke.
Az Apple ML és az MBZUAI kutatói által bemutatott CapQuiz teljesítményteszt új módszert kínál a videófeliratok minőségének értékelésére, emberi ítéletekhez jobban igazodva.
Irene Solaiman szerint a nyílt és zárt modellek közötti határ nem éles, hanem a licencfeltételek, a futtatási költségek és az adathozzáférés alapján egy spektrumnak tekinthető. Christian Catalini elemzése szerint ez a megközelítés a szellemi tulajdon történetéből és az open versus closed vitákból táplálkozik.
A háromnapos yorki Micromaze Robot Hackathonon a résztvevők Raspberry Pi Pico W platformon, lézerrel vágott házzal, motorokkal és szenzorokkal építettek és programoztak autonóm robotokat MicroPythonban.
Az autonóm AI-ügynökök fejlesztése felgyorsítja a mesterséges intelligencia versenyét, ami a korábban peremre szorult létezéskockázati félelmeket a mainstreambe hozta.
A Google kutatói által kifejlesztett ToolGrad keretrendszer 99,8%-os pontossággal állít elő eszköztámogatási adatokat, ami jelentős előrelépés a korábbi, 63,8%-os eredményekhez képest.
A T-Rex adatkészlet 100 órányi tapintási adatot tartalmaz több mint 200 háztartási tárgyról, lehetővé téve a robotoknak a valós idejű finom mozgáskorrekciót.
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.