30 artykułów z tym tagiem
Gowers, Sarnak i badacz DeepMind wskazują, że LLM-y sprawnie łączą znane metody matematyczne, lecz nie potrafią tworzyć zupełnie nowych abstrakcji.
Nowe badanie pokazuje, że warstwa governance Experience Orchestrator zwiększa skuteczność agentów LLM o 32 punkty procentowe w symulacjach.
Nowe badanie analizuje różnice w reprezentacjach wewnętrznych między modelami trenowanymi uczeniem ze wzmocnieniem a nadzorowanym.
Badacze kwestionują założenie o stałych preferencjach ludzkich, wprowadzając Constructive Alignment — nowy paradygmat kontroli nad ewolucją wartości.
Badania Arizona State University pokazują, że wpływ osobowości agentów AI na wydajność zespołu zależy od typu zadania — w programowaniu ma minimalne znaczenie, w negocjacjach jest kluczowy.
Analiza matematyczna wykazuje, że tradycyjne metody nie pozwalają oddzielić adaptacji użytkownika od właściwości całego systemu ko-adaptacyjnego.
Nowa metoda OpenAI poprawia bezpieczeństwo AI przez trening na korzystnych cechach behawioralnych, zwiększając odporność na manipulacje w 44 z 53 testów.
Nowe badanie z 2026 roku przedstawia definicję dobrych wyjaśnień AI uwzględniającą przekonania odbiorcy i pokazuje, dlaczego LLM są trudne do wyjaśnienia.
Anthropic przyznaje się do błędu i rezygnuje z ukrytego obniżania wydajności Claude Fable 5 dla konkurencyjnych badaczy AI po ostrych protestach.
Badania psycholożki Gloria Mark pokazują dramatyczny spadek zdolności koncentracji z 2,5 minuty do 47 sekund. Chatboty AI mogą ten proces przyspieszyć.
Badacze udowodnili, że grafy wizualne znacznie przewyższają reprezentacje tekstowe w zadaniach rozumowania AI, otwierając nowe możliwości rozwoju.
Badanie Anthropic ujawnia znaczące różnice płciowe w adopcji narzędzi AI do programowania wśród naukowców społecznych.
