Przełomowe badania naukowe i odkrycia w dziedzinie AI
Naukowcy zidentyfikowali mechanizmy powodujące, że LLM-y niepotrzebnie sięgają po zewnętrzne narzędzia zamiast wykorzystywać wewnętrzną wiedzę.
Analiza 25 000 sesji AI ujawnia, że w 68% przypadków systemy ignorują dowody empiryczne i nie wykazują rzeczywistego naukowego rozumowania.
Naukowcy stworzyli ARES — system wykrywający i naprawiający słabości bezpieczeństwa zarówno w LLM-ach, jak i modelach nagradzania używanych w RLHF.
Sony AI opracowało robota Ace, który jako pierwszy w historii pokonał najlepszych graczy ping-ponga zgodnie z oficjalnymi zasadami ITTF.
Badanie pokazuje, jak analizować wielokrotne odpowiedzi modeli językowych zamiast pojedynczych wyników. Nowe narzędzie GROVE poprawia ocenę różnorodności AI.
MIT Technology Review zaprezentowało listę kluczowych technologii AI na 2026 rok podczas transmisji EmTech AI dla subskrybentów i absolwentów MIT.
Międzynarodowy zespół stworzył innowacyjną metodę beam search dla problemu VGLCS, testując ją na 320 instancjach z sekwencjami do 500 znaków.
Badacze opracowali LACE — technikę umożliwiającą równoległym procesom rozumowania w AI wzajemne dzielenie się wiedzą i korekcję błędów.
Badacze z UAE uruchomili QIMMA — jedyną platformę oceny modeli arabskich, która sprawdza jakość benchmarków przed testowaniem. Wykryto błędy w szanowanych testach.
System VisionClaw łączy ciągłe postrzeganie otoczenia przez okulary z wykonywaniem zadań cyfrowych, oferując o 13-37% szybsze działanie.
Naukowcy opracowali GIST - system AI przekształcający dane z mobilnych skanerów w semantyczne mapy nawigacyjne z 80% skutecznością w testach.
Naukowcy opracowali DeepER-Med — system AI zapewniający przejrzysty proces oceny dowodów naukowych w medycynie z 87,5% zgodnością z rekomendacjami klinicznymi.
