Az APEX-EM keretrendszer forradalmasítja az autonóm ügynökök tanulását
A kutatók szerint az APEX-EM keretrendszer segíthet az autonóm ügynökök tanulásának felgyorsításában, akár 3 kulcsfontosságú innovációval
ArXiv NLP
Archívum
1204 cikk összesen
A TurboQuant-szerű KV cache trükk megérkezett a llama.cpp-be
A TurboQuant technológiának köszönhetően a KV cache mérete akár 4,6-szor csökkenhet anélkül, hogy az pontosság romlana.
Reddit LocalLLaMA
A DeepL jelentése szerint 83%-a a vállalatoknak lemarad az nyelvi AI-ben
A DeepL jelentése szerint a vállalatok 50%-kal több tartalmat állítanak elő, mint 2023-ban, mégis 68%-uk régi munkafolyamatokat használ.
AI News
16 darab AMD MI50 GPU gyorsítja a Qwen3.5 modellt
A Qwen3.5 modell 397 milliárd paramétert tartalmaz, amihez a 16 darab AMD MI50 GPU biztosítja a számítási kapacitást.
Reddit LocalLLaMA
Az AI Marketing BS Index: mérjük a marketingkülmölést
Bastian Rieck kutató egy új indexet vezetett be, amely mértéket ad arra, mennyire túloznak az AI marketing anyagok.
Hacker News
Az AI-vége 1-4 év múlva érkezhet, éljük meg az utolsó éveket vidáman
NickyP, a LessWrong AI szerző szerint az emberiségnek mindössze 1-4 éve maradt, mielőtt az AI radikálisan átalakítja a világot.
LessWrong AI
A Bonsai-8B 14-szer kisebb, mint a standard Llama modell
A Bonsai-8B modell 136 tokent dolgoz fel másodpercenként egy M4 Pro Macen
Reddit LocalLLaMA
A YOLO csendben megbukik biztonságkritikus zárt körű osztályozásnál
A modell 94–96%-os pontossággal azonosítja az ismert fajokat, de ismeretlen gombáknál tévesen osztályoz — ami mérgezési kockázatot jelent.
Reddit ML
Az Anthropic emberi hiba miatt szivárogtatta ki a Claude kódjának részleteit
Az Anthropic belső csapata hibás csomagolás miatt tette nyilvánossá a Claude Code-forrás egy részét — az érintett fájlokat azonnal eltávolították, és új ellenőrzési lépéseket vezettek be.
Anthropic
Az Aider forráskódja kiszivárgott a GitHubon
Az Aider nyílt forráskódú AI-kódoló eszköz belső kódbázisa vált elérhetővé a GitHubon — a memóriakezelési és feladatkezelési logikát is tartalmazó repo az első napján 1100-nál is több csillagot szerzett.
Reddit LocalLLaMA
Nyílt forráskódú dashboard a Claude Code ügynökhöz: valós idejű eseménykövetés
A simple10/agents-observe projekt SQLite-alapú backend és React dashboard segítségével mutatja meg, melyik alügynök melyik eszközt hívta — a telepítés egyetlen Docker-parancs.
Hacker News
Hat Models, Négy Feladat: Az LLM Alapú Szövegannotáció Rejtett Tényezői
Lorca McLaren és munkatársai hat modellt teszteltek, és megállapították, hogy a folyamat választások kölcsönhatásai meghatározzák az eredményeket.
ArXiv NLP
Microsoft és NVIDIA az Azure-on élesíti a Vera Rubin chippel felturbózott Foundry Agent Service-t
A GTC konferencián általánosan elérhetővé vált az Azure Foundry Agent Service — az első valós ügyfél a Corvus Energy, amely a platformmal cseréli ki a manuális flottaellenőrzéseket.
Azure Blog
A Meta új adatközpontja 7,5 gigawatt elektromosságot fog fogyasztani
A 27 milliárd dolláros Hyperion adatközpont éves CO₂-kibocsátása 50%-kal haladja meg a Meta 2024-es teljes karbonlábnyomát — a cég tíz új földgázerőművet finanszíroz.
TechCrunch
Svájci pénzügyminiszter pert indított egy X-felhasználó ellen, aki Grokkal generált sértő posztot
Karin Keller-Sutter szövetségi tanácsos szerint a Grok bot által generált szöveg nyílt nőgyűlöletet tartalmazott — a svájci jog szerint az elkövető akár 3 év börtönnel is szembesülhet.
Ars Technica
A Hollywoodi sztárvállalkozók továbbra is hisznek az AI-varázslatban
Kathleen Kennedy, a Jurassic Park és Star Wars franchise producere, az American Film Institute-nak feltett egy kérdést: „Hogyan fogjátok tanítani az ízlést?”
Wired
Az Anthropic 8.000-nél is többször lett lemásolva a GitHubon, annak ellenére, hogy tömegesen törlik
A kódlekés komoly piaci hátrányt jelenthet az Anthropic számára, hiszen a vállalat 380 milliárd dolláros értékeléssel készül az IPO-ra.
The Decoder
A FormalProofBench 33,5%-os pontosságot ért el a diplomamunka-szintű matematikai bizonyításokban
A Claude Opus 4.5 modell érte el a legjobb eredményt a FormalProofBench teszten
ArXiv AI
Google Deepmind feltárja: hat csapda, amelyek könnyen átvehetik az irányítást az autonóm AI ügynökök felett
A Google Deepmind tanulmány szerint a hat csapda 58-90 százalékos eséllyel tudja átvenni az irányítást az autonóm AI ügynökök felett.
The Decoder
Mistral AI 830 millió dollárt szerzett Nvidia-vezérelt adatközpontjára
13,800 Nvidia chipet vásárol a cég
Mistral AI
Hat LLM modell került tesztelésre 15 ország adataival
A kutatók szerint a modell teljesítménye az érzelem típusától és a kulturális kontextustól függ.
ArXiv NLP
Az OpenAI 852 milliárd dolláros értékelést ért el
A Perplexity AI ellen egy újabb pert indítottak, mert feltételezik, hogy a cég titokban követi a felhasználók adatait.
Perplexity
20 éve az AWS felhőben: így repül az idő
Több mint 240 átfogó felhőszolgáltatást kínál az AWS
AWS Blog
Egy 10 000-szer kisebb modell legyőzheti a ChatGPT-t
Moulik Gupta kutató szerint a kisebb modellek több időt fordíthatnak a gondolkodásra, így felülmúlhatják a nagyobbak teljesítményét
Towards Data Science
A Gradient Labs minden banki ügyfélnek AI ügyintézőt ad
A Gradient Labs 10-szoros revenue növekedést ért el, 98%-os ügyfél-elégedettséget az AI ügynök tapasztalatával
OpenAI
Az OpenClaw mostantól elérhető az Amazon Lightsailen
A Lightsailen futó OpenClaw példány alapértelmezett AI modell szolgáltatója az Amazon Bedrock
AWS Blog
Az RL-képzés tönkreteszi a Chain-of-Thought monitorozhatóságot bizonyos esetekben
A DeepMind Safety Research csapata kidolgozott egy keretrendszert, amely segít előrejelezni, hogy az RL-képzés mikor rontja a Chain-of-Thought monitorozhatóságát.
LessWrong AI
A Baton alkalmazás másodpercek alatt indítja az AI-ügynököket
A Baton alkalmazásban több mint 10 különböző AI-ügynököt támogatnak
Hacker News
A KiloClaw for Organizations megjelenésével vége a 'shadow AI'-nek a vállalatoknál?
Több mint 25 ezer felhasználó integrálta a KiloClaw platformot az elmúlt hónapban, és most a KiloClaw for Organizations megjelenésével a vállalatok is csatlakozhatnak.
VentureBeat
11 interaktív modullal tanulható a Claude Code
Ahmed Nagdy fejlesztette a Claude Code interaktív tanulási rendszerét
Hacker News
Az ellenőrzés néha árt: Tanulási modell visszajelzések aszimmetrikus hatásai
A kutatók 516 egyedi bizonyítási állapottal kísérleteztek
ArXiv AI
A LIMBO kutatócsoport 2024-es alapítása óta fejleszti az anthropikus következtetés matematikai keretrendszerét
A LIMBO csapata 5,6 millió dollárból képzett egy versenyképes modellt, és fontos eredményeket ért el a ritka események becslésében
LessWrong AI
Az IBM beszéd-AI-t integrál a watsonx rendszerbe, 70 nyelven
Több mint 10 ezer hangmintát tartalmaz a rendszer
ElevenLabs
Irán nyerésre áll az AI-propagandaháborúban
Matthew Gault elemzi Irán AI-propaganda stratégiáját
404 Media
Konzervatív csoportok AI-eszközökkel akarják felgyorsítani a könyvbélyegzést
Több mint 300 szót tartalmaz a BLOCKADE program scriptje, amelyek alapján értékelődik a könyvek tartalma
404 Media
A Google Gemini márciusi frissítése: 200 országban elérhető a Search Live
A Search Live globális elérhetősége mellett a Gemini márciusi frissítése 5 új eszközt is bevezetett, köztük a Google Maps új, beszélgetésalapú felületét.
Google AI Blog
Az EU AI törvénye ütközésbe kerül a generatív AI rendszerek korlátjaival
Az EU AI törvényének augusztusban életbe lépő átláthatósági követelményeit a szakértők szerint a generatív AI rendszerek 90%-a nem tudja teljesíteni
ArXiv AI
Az OpenAI Codex pluginja mostantól az Anthropic Claude Code-ban fut
Több mint 50 ezer fejlesztőnek nyújt új lehetőségeket az Anthropic platformon
Anthropic
Az LLM-ek nem tudnak megbízható magyarázatot adni az AI-felelősséghez
Több kutatás is azt találta, hogy az LLM-ek által generált magyarázatok nem pontosak, és a szakértők szerint ez komoly probléma az AI-felelősség szempontjából.
AI for Newsroom
A Mistral ingyenesen kiadja Voxtral TTS modelljét, amely már felülmúlja az ElevenLabsot
A Voxtral TTS modell 2,5-ször gyorsabban dolgozik, mint az ElevenLabs
Mistral AI
Az Anthropic bevallja: a Claude Code kvótái túl gyorsan merülnek el
Több fejlesztőnél a tervezettnél gyorsabban merülnek ki a kvóták
Anthropic
ChatGPT vs. Claude: Melyik az igazán jó választás?
Elyse Betters Picaro, a ZDNET szerzője 10 feladatot adott mind a ChatGPT-nek, mind a Claude-nak, hogy összehasonlítsa a kettő teljesítményét.
ZDNet AI
Az AlpsBench bemutatja az első valós párbeszéden alapuló LLM személyre szabási teljesítménytesztet
A teljesítményteszt 2500 hosszú interakciós sorozatot tartalmaz, amelyet a WildChat platformról gyűjtöttek
ArXiv NLP
A Mistral AI szerint az AI-modell testreszabása architektúrális követelmény
A Mistral AI szerint a testreszabás logikájának leválasztása az alapmodellről biztosítja, hogy a vállalatok "digitális idegrendszere" rugalmas maradjon.
Mistral AI
Megjelent a LocalLlama Discord szervere és botja!
Több mint 50 ezer bot érhető el a Discordon, a LocalLlama most csatlakozott hozzájuk.
Reddit LocalLLaMA
Egy nap alatt újraírták a JSONata kódot AI-val, 500 ezer dollárt spóroltak
A Reco csapat 7 óra alatt építette fel az új Go implementációt, 400 dollár token költséggel
Simon Willison
Az INMA csúcsértekezleten kiderült: a régi csatornák helyett rendszerekre van szükség
Több mint 50 előadó és 223 résztvevő gyűlt össze az INMA Media Subscriptions Summiton, ahol a régi csatornák helyett a rendszerekre való átállás volt a fő téma.
AI for Newsroom
Az NVIDIA Nemotron 3 Super megérkezett az Amazon Bedrockra
A Nemotron 3 Super modell a text generation, komplex reasonálás, összegzés és kódgenerálás feladatokra optimalizált.
AWS Blog
Egy cég titokban podcastekké alakítja a Zoom-megbeszéléseket
Joseph Cox, a többszörösen díjnyertes újságíró fedezte fel a WebinarTV titkát.
404 Media
Kontrollos kísérlet: 3,2%-kal jobb eredményt ér el az LLM újraparaméterezése a szakcikkekhez való hozzáféréssel
A kutatók szerint az LLM újraparaméterezése akár 10%-kal is javíthatja a teljesítményt, ha a modellhez nagy mennyiségű, minőségi adatot biztosítanak.
Reddit ML