Kutatás
Megfeleződött az amerikai programozói állások növekedése a ChatGPT óta
A 2022 novemberi megjelenés előtt a programozói munkák évente közel 5 százalékkal bővültek, ami azóta drasztikusan lelassult.
Kutatás
AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
Kutatás
Nick Diakopoulos: Az AI elszámoltathatóság felé tolódik
Az AI-rendszerek magyarázhatósága eddig főleg a technikai megértésre koncentrált, de a jövőben az elszámoltathatóság lesz a kulcs. Egy AI-rendszer által okozott kár esetén a felelős személyektől elvárható, hogy magyarázatot adjanak.
Kutatás
Új AI-módszer osztja el adaptívan a számítási kapacitást — jobb eredményekkel
A keretrendszer a tesztidőben alakítja a generálási folyamatot és a számítási erőforrások elosztását, így a modellek hatékonyabban oldhatják meg a komplex feladatokat.
Kutatás
AI-alapú hadműveleti tervezés: a jövő hadviselésének kulcsa az automatizálás
A manőverezési sebesség, a felderítési és fegyverhatótávolságok növekedése miatt a hagyományos, emberi alapú tervezés egyre nehezebbé válik a modern hadszíntéren.
Kutatás
HypEHR: Hiperbolikus modell válaszol orvosi kérdésekre – kevesebb paraméterrel
A modell a klinikai adatok hierarchikus szerkezetét használja ki, ami költséghatékonyabb megoldást kínál az elektronikus egészségügyi nyilvántartások (EHR) lekérdezésére.
Kutatás
12 tényező befolyásolja az LLM-ek viselkedését
A nagyméretű nyelvi modellek viselkedését 12 környezeti tényező befolyásolja. A kutatók új módszert dolgoztak ki ennek mérésére.
Kutatás
Egyetlen AI sem végez banki munkát ügyfélre készen — 500 bankár szerint
A vezető AI modellek, mint a GPT-5.4 és a Claude Opus 4.6, nem képesek önállóan, ügyfélnek küldhető minőségű munkát produkálni a befektetési banki feladatokban — derül ki egy új benchmarkból.
Kutatás
COMPASS nevű rendszerrel automatizálja a promptmérnökséget az ArXiv AI
A rendszer a promptmérnökséget kognitív és valószínűségi döntéshozatali folyamatként kezeli, figyelembe véve a felhasználók rejtett kognitív állapotait.
Kutatás
Automatizálja az AI-ügynökök finomhangolását az új keretrendszer
A rendszer az utasítások, eszközök és logikák tervezését is önállóan végzi, ami jelentősen felgyorsíthatja a domain-specifikus munkafolyamatok bevezetését.
Kutatás
Pénzügyi kutatásban gyengén teljesít az AI — mutatja a Deep FinResearch Bench
A Deep FinResearch Bench három dimenzióban vizsgálta a jelentések minőségét: a minőségi szigor, a mennyiségi előrejelzés pontossága és az állítások hitelessége.
Kutatás
Az AI ügynökök nem helyettesítik, hanem kibővítik a szoftverfejlesztést a kódoláson túl
A mesterséges intelligencia rendszerek új, úgynevezett 'félig végrehajtható műtermékekkel' – mint az utasítások és munkafolyamatok – bővítik a szoftverfejlesztés hatókörét.
Kutatás
Az AI ügynökök valós képességeit a SWE-bench Verified méri a legjobban
A hagyományos perplexitás-pontszámok és MMLU ranglisták kevés információt adnak arról, hogy egy modell képes-e valós weboldalon navigálni vagy GitHub-problémát megoldani.
Kutatás
Új mérőszám a szabályalapú AI értékelésére: a Defensibility Index
A hagyományos értékelési módszerek gyakran tévesen büntetik a logikailag helyes, de eltérő döntéseket, amit a kutatók "Megállapodási Csapdának" neveznek.
Kutatás
COSPLAY: Új keretrendszer javítja a LLM-ek hosszú távú döntéshozatalát
A keretrendszerben egy LLM döntéshozó ügynök egy tanulható készségbankból hív le tudást, miközben egy másik ügynök új, újrafelhasználható készségeket fedez fel a modell futásaiból.
Kutatás
Multi-Objective RL-lel tervez új gyógyszerjelölteket az ArXiv tanulmánya
A kutatók az epidermális növekedési faktor receptor (EGFR) és az acetilkolin-észteráz (ACHE) célfehérjékre alkalmazták a módszert, ígéretes eredményekkel.
Kutatás
Gépi tanulás segíthet csökkenteni a cementgyártás légszennyezését
A cementgyártás évente körülbelül 3 millió tonna nitrogén-oxidot bocsát ki, ami az ipari légszennyezés egyik legnagyobb forrása.
Kutatás
Az Anthropic szerint az erősebb AI jobb üzleteket köt, a vesztesek észre sem veszik
Az Anthropic „Project Deal” kísérletében a Claude Opus modell átlagosan két további üzletet zárt, mint a Haiku felhasználók, és jelentősen jobb árakat alkudott ki.
Kutatás
64-szeres tömörítéssel gyorsítja a mozgásgenerálást az Apple új AI-ja
A modell a nagyméretű mozgáspályákból tanult, tömörített mozgás-embeddingekkel dolgozik, így sokkal hatékonyabban modellezi a jelenetdinamikát.
Kutatás
AI-rendszer elemzi a diákok érvelését — automatizálja az osztálytermi diskurzust
Az új rendszer a tanárok és diákok megnyilvánulásait két dimenzió mentén osztályozza, ezzel felgyorsítva a tudáskonstrukció megértését.
Kutatás
Nem általánosítható a hallucináció a LLM-ekben — domain-specifikus a jelenség
A korábbi kutatások által azonosított, a hallucinációkat előrejelző neuronok nem működnek más területeken, ami megnehezíti a jelenség univerzális kezelését.
Kutatás
Új ToolsRL keretrendszerrel javul a vizuális érvelés a LLM-eknél
A ToolsRL keretrendszer kétlépcsős megerősítéses tanulási (RL) folyamatot alkalmaz, amelyben a modellek először az eszközhasználatot sajátítják el, majd a vizuális érvelési feladatokat.