KutatásOpus 5.5 ráirányította a figyelmet a shell indítási idő optimalizálásáraAz Opus 5.5 modell ShellPerfBench során olyan indítási idő-optimalizálásokat talált, amelyeket más modellek elhagytak; ez érintheti a felhasználók .zshrc és egyéb dotfile-jait, és csendben…1 perc olvasás
KutatásA MentalHealthBench kiterjeszti a mentális egészség AI-értékelését a mindennapi támogatásra isA MentalHealthBench új benchmarkként a MentalHealthBench fejlesztői célja, hogy lefedje a mesterséges intelligenciához forduló emberek teljes mentális egészség spektrumát — a mindennapi támogatástól a súlyos krízisekig.1 perc olvasás
KutatásClaude felfedezett egy eddig ismeretlen enzimrendszert baktériumfágok DNS-ébenA Claude által felfedezett enzimrendszer egy baktériumfágok DNS-ében található, mellette hosszú, ismétlődő DNS-sorozat helyezkedik el, amely a CRISPR-hez hasonlít.1 perc olvasás
KutatásOffloading: hogyan javítja a felhő- és él GPU-k használata a fizikai AI robotok teljesítményét és üzemidejétA cikk fő szereplője a Microsoft Research és a kapcsolódó Foundry Labs közösség, amely a Physical AI Toolchain keretében vizsgálta a fizikai AI inferencia offloadolásának hatását mobil manipulációs robotokon.4 perc olvasás
KutatásSWE-Serve feltárja a helyi tesztek és az éles modellkiszolgálás közti hiánytA SWE-Serve egy új benchmark, amely a SGLang nyílt forráskódú inferencia-kiszolgáló változtatásain alapuló 53 feladattal méri azt a különbséget, hogy egy AI-kódoló ügynök által készített javítás helyi ellenőrzéseken átmegy-e, de hibát okoz-e, amikor valódi modellt töltenek be és éles kéréseket szolgálnak ki.5 perc olvasás
KutatásJohn Platt és a Google ERA: mesterséges intelligencia a tudomány szolgálatábanA főszereplő John Platt, aki karrierje során tudományos és filmes elismeréseket is szerzett, és aki a Google-nél az Empirical Research Assistance (ERA) fejlesztésében vett részt.5 perc olvasás
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
