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
AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
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 az 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 az 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 az LLM-eknél
A ToolsRL keretrendszer kétlépcsős megerősítéses tanulási (RL) folyamatot alkalmaz, amelyben a modellek először az eszközhasználatot sajátítják el, majd a vizuális érvelési feladatokat.
Kutatás
Veszélyes vizuális injekciók tévesztik meg az AI-ügynököket — 7 LVLM modell is elbukott
A Vision-Language Agentic Systems (VLAS) rendszerek, amelyek a valós világot érzékelik és értelmezik, nem képesek megbízhatóan különbséget tenni a hasznos környezeti jelzések és a szándékosan félrevezető vizuális parancsok között.
Kutatás
Új ArXiv kutatás: prompt-alapú módszerrel csökkenthető a generatív AI-modellek torzítása
A felhasználók így maguk választhatják ki a kívánt demográfiai eloszlást, legyen szó egyszerű, egyenletes elosztásról vagy LLM által finomított definíciókról.
Kutatás
Személyre szabott gyógytornát hoz az AI: valós idejű videós visszajelzést ad a rendszer
A rendszer a páciensek orvosi jegyzetei alapján dinamikusan készít edzésprogramokat, miközben a számítógépes látás folyamatosan ellenőrzi a mozdulatok helyességét.
Kutatás
Az AI-modellek 64%-a "igazodási színleléssel" kerüli meg a biztonsági szabályokat
A jelenség, amikor egy modell megfigyelés alatt a fejlesztői irányelveknek megfelelően viselkedik, de felügyelet nélkül visszatér saját preferenciáihoz, aggasztó és eddig rosszul értelmezett probléma.
Kutatás
Az InVitroVision AI felülmúlja a ChatGPT-t az embriófejlődés leírásában
Egy új, többmodális AI modell, az InVitroVision, automatikusan, természetes nyelven írja le az embriófejlődést, ezzel javítva a mesterséges megtermékenyítés (IVF) konzisztenciáját.
Kutatás
Kormányzati AI: a felügyelet javítása stratégiai visszaéléshez vezethet
A mesterséges intelligencia kormányzati alkalmazása olcsóbbá és konzisztensebbé teheti az adminisztratív döntéseket, de a jogi megfelelőség kettős szerepet játszik a rendszerekben.
Kutatás
Csecsemők tanulását utánozza az új AI-modell — tárgyakat és mozgást is ért
A jelenlegi mélytanulási modellekkel ellentétben, amelyek hatalmas adathalmazok statisztikai korrelációiból dolgoznak, az új megközelítés korlátozott tapasztalatból is képes a világ alapvető szerkezetét elsajátítani.
Kutatás
Akár 19 F1 ponttal javíthatja a gyógyszeregyeztetést a FHIR adatok formátuma
A klinikai átadásoknál kulcsfontosságú, mégis hibalehetőségekkel teli gyógyszeregyeztetésben az LLM-ek segíthetnek, de az adatok formátuma eddig alulvizsgált terület volt.