KutatásClaude Fable 5 teljesítményének összehasonlítása különböző modellekkelA Claude Fable 5 nevű mesterséges intelligencia-modell összehasonlítása különböző modellekkel mutatja be teljesítmény- és viselkedéskülönbségeit; az elemzés segít a fejlesztőknek és felhasználóknak a…1 perc olvasás
KutatásAz adat és az API volt a szűk keresztmetszet, nem a modellek intelligenciájaAz Anthropic tudományos blogbejegyzése szerint az AI-ügynökök kódolásban gyorsan haladnak, de a biológiai feladatoknál lassúak — és ez nem a modellek „okosságán” múlik, hanem az adatokon és az elérést biztosító eszközökön.2 perc olvasás
KutatásAI által tervezett univerzális Covid-vakcina ígéretes eredménnyel az I. fázisbanA Cambridge-i Egyetem kutatói mesterséges intelligencia segítségével fejlesztették ki a pEVAC-PS elnevezésű, univerzálisnak szánt Covid-vakcinajelöltet.2 perc olvasás
KutatásFinomhangolás hatására nyelvi modellek visszaadják előre tréningezett könyvek hosszabb szövegrészeitA tanulmány Xinyue Liu és kutatócsoportja (Stony Brook University, Carnegie Mellon University, Columbia Law School) által végzett kísérletet ismerteti, amelyben finomhangolták nagy nyelvi modelleket – DeepSeek-V3.1, Google Gemini 2.5 Pro és OpenAI GPT-4o – hogy rövid cselekményösszefoglalókból visszaállítsanak egy-egy bekezdésnyi eredeti szöveget.3 perc olvasás
KutatásAI-modell és kutatók közösen találtak ellenpéldát egy 80 éves Erdős-sejtésreA kutatók Alex Wei, Hongxun Wu és wjmzbmr1 az OpenAI Podcastban Andrew Mayne részvételével beszámoltak róla, hogy egy általuk használt AI-modell talált ellenpéldát egy mintegy 80 éve fennálló Erdős-sejtésre.1 perc olvasás
KutatásAnthropic Institute kutatja az önmagát fejleszthető mesterséges intelligencia társadalmi és biztonsági következményeitAz Anthropic Institute bejelentette, hogy külső szereplőkkel együtt kutatja az egyre fejlettebb, potenciálisan önmagát fejlesztő rendszerek — például Claude képességeinek — társadalmi, orvosi és…1 perc olvasás
KutatásMythos Preview gyakran jobb javaslatot adott kutatási lépésekre, mint emberi kutatókA Mythos Preview nevű rendszer 64%-ban jobb következő lépést javasolt emberi kutatóknál, amikor a hibás irányt vett kutatási munkamenetet értékelték; ez jelentős javulás a 2024-es 22%-hoz képest.1 perc olvasás
KutatásMythos Preview 52× gyorsítást ért el kód-optimalizálási teszten, Claude Opus 4 csak ~3×-tEgy kódot optimalizáló teszten két nagy nyelvi modell teljesítményét hasonlították össze: Claude Opus 4 május 2024-ben átlagosan mintegy 3× gyorsítást ért el, míg az áprilisi Mythos Preview körülbelül 52×-os javulást mutatott.1 perc olvasás
KutatásDigitális ikrek a kardiológiában: a nemek közti különbségek figyelembevételének szükségességeA cikk főszereplői a digitális iker technológiát fejlesztő kutatók és intézmények, köztük az Aix–Marseille Egyetem, a Civis Alliance által támogatott MYOCAR3 projekt, valamint európai kezdeményezések, például az European Virtual Human Twin Initiative és a SimCardioTest.4 perc olvasás
KutatásEnaktív mesterséges intelligencia: Sutton és Rafiee új iránya, de kevés gyakorlati megoldásRichard Sutton, a megerősítéses tanulás egyik legismertebb alakja és Banafsheh Rafiee új tanulmányukban az enaktív mesterséges intelligencia koncepcióját javasolják.2 perc olvasás
KutatásMiniMax M3 vezető nyílt modell lett a Next.js ügynökértékelésekenA MiniMax M3 lett a legjobb nyílt modell a legújabb Next.js ügynökértékelések szerint, ezzel megelőzve más nyílt megoldásokat.1 perc olvasás
KutatásDeepSWE: új, életszerűbb agentes kódbenchmark a swe-bench problémái helyettA swe-bench értékelési problémáira reagálva a DeepSWE nevű benchmarkot mutatták be, amely az első érdemi agentes kódbench, és rendezettebb, reprodukálhatóbb mérési keretet kínál az LLM-alapú kódügynökök vizsgálatához.1 perc olvasás
