ÉlőUtoljára: az iméntMa: 16
Modellek & LLMfrissítve: 14:16

Az Anthropic 5 hónap alatt építette meg a Scion kódkezelő rendszert

Az Anthropic öt hónap alatt építette meg Scion nevű belső kódkezelő platformját, amely a GitHubot hivatott leváltani a cég exponenciálisan növekvő kódmennyiségének kezelésére.

Az Anthropic 5 hónap alatt építette meg a Scion kódkezelő rendszert
Fotó: Christopher Gower / Unsplash
forrás: Zvi Mowshowitz·AI Forradalom szerk.·
Megosztás

A Scion platformot az Anthropic belső fejlesztéseként hozta létre, mivel a GitHub már nem volt alkalmas a cég exponenciálisan növekvő kódmennyiségének kezelésére. (Zvi Mowshowitz)

Új AI-modellek és biztonsági kérdések

Ezen a héten két új, nagyteljesítményűnek ígért AI-modell is napvilágot látott. A Google bemutatta Gemini 4 Argon modelljét, amelyhez robusztus biztonsági jelentést is mellékeltek. Az Argon benchmarkjainak valós teljesítménye még nem bizonyított, és a belső elvárásoknak való megfelelés is kérdéses. A Meta Muse Wonder modellje is hasonlóan kiváló benchmarkokat mutatott be, de ezek prezentációja gyanúsnak tűnt.

Biztonsági incidensek és elbocsátások

Az OpenAI egy alkalmazottját érte tetten, amint szándékosan hibát (bugot) ültetett a rendszerbe. Ez felveti a kérdést, hány további kém tevékenykedhet még a nagy AI-laborokban. Eközben egy csoportnak sikerült a ChatGPT segítségével teljes láncú exploitot készítenie a Chrome böngésző ellen, amiért 250 000 dolláros jutalmat kaptak. Szerencsére ezúttal a jó oldalon álltak.

A Google és a Meta mellett az OpenAI is a hírekben szerepelt: a cég nemrég több száz matematikai feladat megoldását tette közzé. Ezt követően robbant a hír, hogy az OpenAI három biztonsági kutatót bocsátott el magyarázat nélkül. A kutatók szerint az AI-laborok biztonsági kultúrája „törött".

Forrás

Feldolgozott sajtóforrás·Zvi Mowshowitz

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

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.

☕ Támogatom