KutatásJS Denain (Epoch AI): bizonytalanságok az RSI-ben, a kínai‑amerikai képességkülönbségben és a robotizáció szerepébenA beszélgetés főszereplője Jean‑Stanislas “JS” Denain, az Epoch AI insights csapatának vezetője, akivel Nathan Lambert az RSI (AI önmagát gyorsító fejlődése), a kínai és amerikai modellképességek és a robotika szerepéről vitatkozott.6 perc olvasás
KutatásAISI és EvalEval közös infrastruktúrája nyíltan elérhetővé teszi az AI-értékelések reprodukálhatóságátA UK AI Security Institute és az EvalEval Coalition együttműködésének következő lépésében az AISI nyilvánosan megosztja értékelési eredményeit az EvalEval Every Eval Ever sémáját és Evaluation Cards platformját használva.4 perc olvasás
KutatásAz AI-ügynökök értékelése: eszkínhívásoktól a feladatok teljesítéséigA cikk főszereplői az AI-ügynökök értékelésével foglalkozó benchmarkok és a fejlesztői környezetek (például SWE-bench és NVIDIA Nemotron 3.5 Lightning).8 perc olvasás
KutatásOpenAI független matematikus tanácsadó csoporttal dolgozik a matematikai eredmények felelős közlésénAz OpenAI bejelentette, hogy független matematikusokból álló tanácsadó csoporttal működik együtt annak érdekében, hogy felelősen ossza meg az AI és a matematika terén elért eredményeket, javítsa az értékelést és kommunikációt, valamint eszközöket építsen a kutatás és oktatás támogatására.1 perc olvasás
KutatásHogyan alakította a poszt-tréning a ChatGPT viselkedését és biztonságátA cikk főszereplője az OpenAI és annak ChatGPT fejlesztési folyamata, különös tekintettel a poszt-tréningre (post-training) és az InstructGPT-ben leírt klasszikus pipeline-ra.6 perc olvasás
KutatásToby Ord modellezése szerint az RSI-alapú intelligenciarobbanás korlátokba ütközhetA cikk főszereplője Toby Ord kutató, aki a rekurszív önfejlesztés (RSI) dinamikáját modellezte.3 perc olvasás
KutatásTérkép az „uncensored” nyílt súlyú AI-modellek közösségérőlA 10a Labs feltérképezte az úgynevezett „uncensored” vagyis kifejezetten a biztonsági őrségek eltávolítására törekvő nyílt súlyú mesterséges intelligencia-modellek közösségét.3 perc olvasás
KutatásAz LLM-ek túlbecsülik a társadalmi büntetést, ami torzíthatja alkalmazásaikatA Pennsylvaniai Egyetem és a Világbank kutatói az arXiv-on közzétett tanulmányukban azt vizsgálták, mennyire egyeznek a nagy nyelvi modellek (LLM-ek) előrejelzései az emberek valós várakozásaival társadalmi normasértési helyzetekben.3 perc olvasás
KutatásVals célja: új aranyszabvány létrehozása az AI-értékelésbenA középpontban a Vals startup és alapítója, Rayan Krishnan áll, aki 25 évesen vezeti a 2024-ben alakult céget.3 perc olvasás
KutatásAdaptyv Bio és partnerek 5 ezer fehérje-tervezés kísérleti validációjára indít versenytAdaptyv Bio partnerségben Anthropic-cal, Modal-lel és Twist Bioscience-dal proteintervezési versenyt hirdet, amelyben több mint 5 000 tervet fognak kísérletileg validálni.1 perc olvasás
KutatásGeneratív felhasználói felületekkel személyre szabott, aktív tanulást támogató interaktív szimulációkat fejleszt a GoogleA hír főszereplője a Google for Education és a Google kutatócsoportja, amely új kutatási kísérletet mutat be a tanárok számára generatív felhasználói felületek (generative UI) alkalmazásával létrehozott tanulási interaktívok előállítására.4 perc olvasás
KutatásAz Anthropic közzétett három mérőszámot az AI-fejlődés átláthatóságáértAz Anthropic ma közzétett egy belső pillanatképet és módszertant, amely három mérőszámot javasol az AI-fejlesztés nyomon követésére: mennyi kutatás-fejlesztés történik AI által, milyen hatékony az AI-ügynökök felügyelete, és hogyan oszlik meg a számítási kapacitás.1 perc olvasás
