በየቀኑ ይዘምናል።1821 የተረጋገጡ ታሪኮች
በምንጭ የተረጋገጠ የኤአይአይ ሽፋን የምርት ጅምር፣ የፖሊሲ ሽግግሮች፣ የደህንነት ጥናት እና የኢንዱስትሪ እንቅስቃሴዎች፣ ለትርፍ ያልተቋቋመ የትምህርት ቡድን በግልፅ እንግሊዝኛ ተብራርቷል።
እያንዳንዱ ታሪክ በጣም ጠንካራ ከሆኑ ማስረጃዎች ጋር ይገናኛል፡ ኦሪጅናል ምንጮች ሲገኝ፣ ያለበለዚያ በግልጽ ከተመዘገበ ሪፖርት።
ምን እንደተከሰተ ፣ ለምን አስፈላጊ ነው ፣ እና ምን መታየት እንዳለበት - ያለ ጃርጎን።
ምልክቱ ቀጭን ሲሆን ምግቡን ከማሸግ ይልቅ ምንም ነገር አናተምም።
ምንጭ-የተፈተሸ የኤአይ ታሪኮች፣ በጣም አዲስ መጀመሪያ፣ አበረታች ሳታሳድዱ AI መረዳት ለሚያስፈልጋቸው ሰዎች።
A new arXiv preprint argues security teams can judge whether a memory- or retrieval-equipped AI agent is learning by measuring how far it closes the gap to a stronger "teacher" model, rather than on labeled benchmarks that are often scarce or stale. Judging by a similarly powered model gave no usable signal.
A 17-author technical report posted to arXiv introduces MobileMem, a benchmark and framework for on-device long-term memory built from a year-scale collection of mobile experiences. The abstract describes the design but reports no scores, and key details about the underlying data remain undisclosed.
A new arXiv preprint says large language models develop functionally specialized internal structure that lines up with distinct human brain networks, based on circuit analyses across 46 tasks in four cognitive domains. The abstract page leaves key methodological details unstated.
A preprint reports that disabling low-magnitude experts in the last five layers of a 35-billion-parameter Mixture-of-Experts model preserved far more usable code-translation outputs than spreading the same cuts across all layers. It covers one model and one benchmark, and the abstract reports no unmasked baseline.
A Cloud Security Alliance research note describes CoreBreak, a pattern of flaws in Amazon Bedrock AgentCore, Google's Agent Development Kit, and Vercel's AI SDK harness packages that allowed tools to execute without a model turn — leaving model-level guardrails with nothing to inspect.
Anthropic የወደፊቱ Claude ሞዴሎች የአውሮፓ ህብረት AI ህግን ለማክበር በGoogle DeepMind's SynthID-Text ላይ የተመሰረተ ስታቲስቲካዊ የውሃ ምልክትን ይከተላሉ ይላል። ኩባንያው ምንም ቁምፊዎች፣ ቶከኖች ወይም የተጠቃሚ መለያ እንደማይጨምር ተናግሯል - እና ሙሉ በሙሉ እንደገና መፃፍ ያሸነፈዋል።
anthropic.comCursor ስፔስኤክስ የ AI ኮድ መገልገያ መሳሪያውን መግዛቱን በማጠናቀቅ በሚያዝያ ወር ከ SpaceXAI ጋር በሞዴል የስልጠና አጋርነት የጀመረውን ሂደት እንዳጠናቀቀ ሲል Cursor አጭር ልጥፍ አሳትሟል። ልጥፉ የዓለማችን ትልቁ የጂፒዩ መርከቦችን ለማግኘት ቃል ገብቷል፣ ነገር ግን ምንም ውሎችን፣ የጊዜ ገደቦችን እና የምርት ለውጦችን አይገልጽም።
cursor.comቅድመ ህትመት SteerBench-Workን ያስተዋውቃል፣ የ AI ወኪል እርምጃ ለመውሰድ ወይም ለአፍታ ለማቆም የወሰነበት 106-scenario ሙከራ። በ30 የሞዴል ሁኔታዎች ውስጥ፣ ጸሃፊዎቹ እንደተናገሩት የጸዳ ስራን በስህተት መያዝ ደህንነቱ ያልተጠበቀ ስራን ከመፍቀድ በ28 እጥፍ ይበልጣል።
አዲስ የ arXiv ቅድመ ህትመት ጭንቀት - እንደ አውቶሜትድ ክፍል ተማሪዎች ጥቅም ላይ የዋሉ ዘጠኝ የድንበር ሞዴሎችን ይፈትናል እና ሁሉም በፈተና ወቅት ፍርዳቸውን እንደሚቀይሩ ሪፖርት አድርጓል - እና የተቀየሩት ፍርዶች ብዙውን ጊዜ ከትክክለኛው መልስ እንጂ ወደ እሱ አይሄዱም።
አዲስ የ arXiv ቅድመ ህትመት ከድህረ-ስልጠና LLMs ከዝግመተ ለውጥ ስትራቴጂዎች ጋር - ህዝብን መሰረት ያደረገ፣ ከግራዲንት-ነጻ ክብደትን በቀጥታ የሚጎዳ ዘዴ - በpass@k እና የመፍትሄ ሽፋን ላይ የማጠናከሪያ ትምህርትን ይመታል ይላል። አብስትራክቱ የተሻሉ የሒሳብ-ቤንችማርክ ውጤቶችን ይጠቅሳል ነገር ግን ምንም ዓይነት ሞዴሎችን፣ መመዘኛዎችን ወይም ቁጥሮችን አይሰይምም።
አዲስ የ arXiv ቅድመ ህትመት መለኪያ የአንድ የተወሰነ ወኪል አለመሳካት ሁነታን ያሳያል፡ ራስን የሚያሻሽል ወኪል ደህንነቱ ያልተጠበቀ አሰራርን ወደ ማህደረ ትውስታ ሲጽፍ፣ በኋለኞቹ ክፍለ-ጊዜዎች ውስጥ ተሰርስሮ ሊተገበር ይችላል። እያንዳንዱ የተሻሻለ ውቅር የተፈተነ ደህንነቱ ያልተጠበቁ ቅርሶችን እና ሶስት ተንኮል አዘል ስራዎችን ከእጥፍ በላይ አስመዝግቧል።
በ arXiv ላይ የተለጠፈው ቅድመ ህትመት ወደ የሶስተኛ ወገን ሞዴል ከመላኩ በፊት ሚስጥራዊነት ያላቸው ስሞችን በመጠይቅ እና የተገኙ ሰነዶችን ለተለዋጭ ስም የሚቀይር ማዕቀፍ ይገልፃል። ደራሲዎቹ ከጫፍ-እስከ-ጫፍ ባለው የተጠቃሚ ልኬታቸው ላይ ከ80% በላይ ትክክለኝነት እና ሙሉ የመደበቂያ ዋጋ በሶስት ትናንሽ ሞዴሎች መካከል በ74.91% እና 77.83% መካከል ሪፖርት አድርገዋል።
በየሳምንቱ አንድ ጠቃሚ አጭር መግለጫ
የሳምንቱን የተረጋገጠ የኤአይ ዜና፣ ኦሪጅናል ውሂብ፣ ጠቃሚ መሳሪያዎችን፣ የመማሪያ ምርጫዎችን እና ትኩስ AI ስራዎችን ያግኙ።
የ AI ባለሙያ መቅጠር ወይም ጠቃሚ የ AI ምርት ማስጀመር? ለመማር እና ለመስራት ወደዚህ በመጡ ሰዎች ፊት አስቀምጠው።
AI ሥራ ይለጥፉ የ AI መሳሪያ አስገባ