KutatásClaude segítségével határozták meg az első baktériumokból származó vault részecske 3D-s szerkezetétEgy élettudományi kutatócsoport Claude nevű mesterséges intelligenciával térképezte fel először egy vault részecske háromdimenziós szerkezetét baktériumokból és az azokat fertőző vírusokból, ami korábban csak növények és állatok sejtjeiben volt ismert.1 perc olvasás
Kutatás„Weight‑Space Programming”: frontier‑modelok közvetlen súlymódosítása és a GPT‑6 Astra állításaiA főszereplők a MIT Computer Science and Artificial Intelligence Laboratory (MIT CSAIL) szerzői és a GPT‑6 Astra modellt futtató kutatók, valamint több független csoport és platform (Hugging Face, Simon Willison) voltak.5 perc olvasás
KutatásHogyan mérjük az AI hatását a szoftverfejlesztés szállítási sebességéreJames Shore cikkében a szállítási sebesség (delivery speed) mérésének módszertanát vizsgálja a szoftverfejlesztésben, különösen az AI használatának hatását tekintve.5 perc olvasás
KutatásKik döntik el, hogyan gondolkodik az MI? Heti összefoglaló (szept. 26. – okt. 3.)A heti összefoglaló központi szereplői kutatók és technológiai cégek, köztük DeepSeek, H-Net, Cartesia, az MIT Computer Science and Artificial Intelligence Laboratory és OpenAI.4 perc olvasás
KutatásAnthropic bemutatja a FlashProve-t a modellekből származó válaszok igazolásáraAz Anthropic bemutatta a FlashProve nevű módszert, amely kriptográfiai technikákra építve lehetővé teszi, hogy fejlesztők igazolják: egy adott válasz egy adott nagyméretű nyelvi modelltől származik; az eljárás hatékonyabb a korábbi nyílt forráskódú megoldásoknál, és segíthet a chateltérítés elleni védekezésben és a szolgáltatott modell verifikációjában.1 perc olvasás
KutatásA reverz játékelmélet mint mechanizmus: ösztönzőkkel a veszélyes AI-k viselkedésének korlátozásáraA főszereplők közé tartozik Stephen Morris, az MIT közgazdásza, valamint kollégái a Yale és Columbia egyetemről, továbbá Elad Hazan, a Princeton számítástudományi professzora és Helen Qu a Flatiron Institute-tól.4 perc olvasás
KutatásCWE-bench v2: nyilvános 100 feladat kiberbiztonsági sebezhetőség-értékelésreA Collinear AI bemutatta a CWE-bench v2-t, amely nyilvánossá tett 100 önálló feladatot kód alapú sebezhetőségek megtalálására és javítására.4 perc olvasás
KutatásLifeVal: új benchmark a mindennapi feladatokkal segítő AGI méréséreA ChatGPT fejlesztői létrehozták a LifeVal benchmarkot, amelyet több ezer ChatGPT-felhasználó visszajelzése formált arról, mely mindennapi feladatokban (például gyermekgondozás, állami szolgáltatások elérése, személyes pénzügyek kezelése) szeretnének segítséget.1 perc olvasás
KutatásRealtime-Bench: a nagy nyelvi modellek gyenge teljesítménye alacsony késleltésű feladatokbanKutatók a University of Texas at Austin, Ohio State University, University of Illinois at Urbana-Champaign, NVIDIA, Northwestern University és Steadyworks részvételével létrehozták a Realtime-Bench nevű mérőeszközt, amely dinamikus, valós idejű döntéshozatalt igénylő feladatokat vizsgál.3 perc olvasás
KutatásMetis: új architektúra a szimbolikus és neurális érvelés összeolvasztásáraA Metis nevű startup közzétett egy kutatási tanulmányt, amely egy újfajta mesterséges intelligencia-architektúra irányát vázolja fel, azzal a céllal, hogy jobb, megbízhatóbb érvelő gépeket hozzon létre.3 perc olvasás
KutatásDeepSeek szuperügynök-architektúrája csökkentené az emberi felügyelet szükségességétA kínai DeepSeek kísérleti architektúrát mutatott be, amely egy központi „szuperügynök” révén képes több mesterséges intelligencia-ügynök munkáját koordinálni.3 perc olvasás
KutatásMIT-módszerrel kétszer pontosabbak lettek a 2–6 hetes időjárás-előrejelzésekA Massachusettsi Műszaki Egyetem kutatói olyan gépi tanulási módszert fejlesztettek ki, amely jelentősen javítja a két hetes és hat hetes közötti időtávra készített időjárás-előrejelzéseket.3 perc olvasás
