پژوهش
DeepMind با SynthID Bio نشانه‌گذاری را وارد طراحی پروتئین می‌کند
Google DeepMind با SynthID Bio توالی‌های پروتئینی و ساختارهای AlphaFold 3 را نشانه‌گذاری می‌کند، بدون اینکه در آزمایش‌های گزارش‌شده کارکرد هدف از بین برود.
پژوهش
-
پژوهش
مطالعه Tencent زمان رقابت مدل چندوجهی بدون رمزگذار را بررسی می‌کند
پژوهش Tencent Hunyuan دو معماری چندوجهی را مقایسه می‌کند و یک نقطه تلاقی محاسباتی را پیش‌بینی می‌کند که هنوز اثبات نشده است.
-
پژوهش
FLEET نمونه‌گیری تکراری LLM را به جست‌وجوی حافظه‌محور تبدیل می‌کند
FLEET با استفاده از حافظه در decoding، بهبود LiveCodeBench و حدود ۳ برابر بهره‌وری نمونه‌گیری را گزارش می‌کند؛ با محدودیت‌های مهم در استقرار.
-
پژوهش
Project Swap آنتروپیک نشان می‌دهد گلوگاه بازار عامل‌ها شاید فهم خواسته‌های انسان باشد
آزمایش ۲۰۱ نفره Project Swap نشان می‌دهد در بازارهای عامل‌محور، فهم دقیق ترجیحات کاربر می‌تواند گلوگاهی مهم‌تر از خود مذاکره باشد.
-
پژوهش
DAYJOB فاصله میان «اجرای دستور» و «انجام واقعی یک شغل» توسط عامل‌های هوش مصنوعی را نشان می‌دهد
DAYJOB عامل‌های هوش مصنوعی را در کارهای طولانی سلامت و مالی با درخواست‌های نامرتب می‌سنجد؛ بهترین نرخ‌های موفقیت گزارش‌شده هنوز زیر ۲۵ درصد است.
-
پژوهش
AIDE² عامل پژوهشی را بازنویسی می‌کند، اما آزمون‌های پنهان نسخه بعدی را انتخاب می‌کنند
AIDE² در یک آزمایش هشت‌روزه کد پیرامونی عامل پژوهشی خود را تغییر داد و نسخه‌های بهتر را با ارزیابی‌های پنهان انتخاب کرد؛ محدودیت اصلی همچنان کیفیت همین مرز ارزیابی است.
-
پژوهش
Claude یک سامانه آنزیمی ناشناخته پیدا کرد؛ ارزش نتیجه را آزمایشگاه تعیین می‌کند
Anthropic می‌گوید عامل‌های Claude یک سامانه آنزیمی ناشناخته را در داده DNA پیدا کرده‌اند؛ آزمایش اولیه امیدوارکننده است اما کارکرد ART هنوز مشخص نیست.
-
پژوهش
برای کنترل عامل‌های خودکار، سیاست خوب کافی نیست؛ اطلاعات تصمیم هم باید کافی باشد
پژوهشی تازه روشی برای محاسبه حداقل اطلاعات لازم در سازوکار مجوزدهی عامل‌ها ارائه کرده و کد و شواهد بازتولید را منتشر کرده است.
-
مدل‌های جدید
وزن‌های مدل تازه جینا منتشر شد؛ استفاده تجاری مجوز جداگانه می‌خواهد
جینا مدل خواندن سند Jina-OCR-v1 را معرفی کرده است. سرعت گزارش‌شده نیازمند آزمون مستقل است و استفاده تجاری از وزن‌های منتشرشده مجوز جداگانه می‌خواهد.
-
پژوهش
مطالعه مخابراتی: عامل‌های پژوهشی به ۹۰٪ عملکرد سامانه انسانی رسیدند، اما در ایده‌پردازی عقب ماندند
یک مطالعه واقعی نشان می‌دهد عامل‌های یادگیری ماشین می‌توانند به خط مبنای انسانی نزدیک شوند، اما هنوز به چارچوب اجرایی قطعی و هدایت انسان نیاز دارند.
