প্রতিদিন আপডেট করা হয়1821 যাচাইকৃত গল্প
একটি অলাভজনক শিক্ষা দল দ্বারা সরল ইংরেজিতে ব্যাখ্যা করা পণ্য লঞ্চ, নীতি পরিবর্তন, নিরাপত্তা গবেষণা, এবং শিল্প পদক্ষেপের উৎস-চেক করা AI কভারেজ।
প্রতিটি গল্প শক্তিশালী উপলব্ধ প্রমাণের সাথে লিঙ্ক করে: যখন উপলব্ধ মূল উত্স, অন্যথায় স্পষ্টভাবে দায়ী প্রতিবেদন।
কি ঘটেছে, কেন এটা গুরুত্বপূর্ণ, এবং কি দেখতে হবে — শব্দবাক্য ছাড়া.
যখন সংকেত পাতলা হয়, আমরা ফিড প্যাড করার পরিবর্তে কিছুই প্রকাশ করি না।
সোর্স-চেক করা AI গল্প, নতুনতম প্রথম, এমন লোকেদের জন্য যাদের AI বুঝতে হবে হাইপ না করে।
একটি নতুন arXiv প্রিপ্রিন্ট যুক্তি দেয় যে নিরাপত্তা দল বিচার করতে পারে যে একটি মেমরি- বা পুনরুদ্ধার-সজ্জিত AI এজেন্ট শিখছে কিনা তা পরিমাপ করে কতদূর এটি একটি শক্তিশালী "শিক্ষক" মডেলের ফাঁক বন্ধ করে, লেবেলযুক্ত বেঞ্চমার্কের পরিবর্তে যা প্রায়শই দুর্লভ বা বাসি। একইভাবে চালিত মডেল দ্বারা বিচার করা কোন ব্যবহারযোগ্য সংকেত দেয়নি।
arXiv-এ পোস্ট করা একটি 17-লেখকের প্রযুক্তিগত প্রতিবেদন মোবাইলমেমের পরিচয় দেয়, মোবাইল অভিজ্ঞতার এক বছরের স্কেল সংগ্রহ থেকে তৈরি অন-ডিভাইস দীর্ঘমেয়াদী মেমরির জন্য একটি বেঞ্চমার্ক এবং ফ্রেমওয়ার্ক। বিমূর্ত নকশা বর্ণনা করে কিন্তু কোনো স্কোর রিপোর্ট করে না, এবং অন্তর্নিহিত ডেটা সম্পর্কে মূল বিবরণ অপ্রকাশিত থাকে।
একটি নতুন arXiv প্রিপ্রিন্ট বলে যে বড় ভাষার মডেলগুলি কার্যকরীভাবে বিশেষায়িত অভ্যন্তরীণ কাঠামো তৈরি করে যা চারটি জ্ঞানীয় ডোমেনে 46টি কাজ জুড়ে সার্কিট বিশ্লেষণের উপর ভিত্তি করে স্বতন্ত্র মানব মস্তিষ্কের নেটওয়ার্কগুলির সাথে লাইন আপ করে। বিমূর্ত পৃষ্ঠাটি মূল পদ্ধতিগত বিবরণ অব্যক্ত রেখে দেয়।
একটি প্রিপ্রিন্ট রিপোর্ট করে যে 35-বিলিয়ন-প্যারামিটার মিক্সচার-অফ-এক্সপার্টস মডেলের শেষ পাঁচটি স্তরে কম মাত্রার বিশেষজ্ঞদের নিষ্ক্রিয় করা সমস্ত স্তরে একই কাট ছড়িয়ে দেওয়ার চেয়ে অনেক বেশি ব্যবহারযোগ্য কোড-অনুবাদ আউটপুট সংরক্ষণ করেছে। এটি একটি মডেল এবং একটি বেঞ্চমার্ক কভার করে, এবং বিমূর্ত কোন মুখোশহীন বেসলাইন রিপোর্ট করে না।
ক্লাউড সিকিউরিটি অ্যালায়েন্সের একটি গবেষণা নোট CoreBreak বর্ণনা করে, অ্যামাজন বেডরক এজেন্টকোরের ত্রুটির একটি প্যাটার্ন, Google এর এজেন্ট ডেভেলপমেন্ট কিট, এবং Vercel এর AI SDK হারনেস প্যাকেজ যা টুলগুলিকে মডেল টার্ন ছাড়াই চালানোর অনুমতি দেয় — মডেল-স্তরের গার্ডেলগুলিকে দেখার কিছু নেই৷
Anthropic বলছে ভবিষ্যতের Claude মডেলগুলি EU AI আইন মেনে চলার জন্য Google DeepMind-এর SynthID-টেক্সটের উপর ভিত্তি করে একটি পরিসংখ্যানগত ওয়াটারমার্ক এম্বেড করবে। সংস্থাটি বলে যে এটি কোনও অক্ষর, টোকেন বা ব্যবহারকারীর পরিচয় যোগ করে না - এবং একটি সম্পূর্ণ পুনর্লিখন এটিকে পরাজিত করে।
anthropic.comকার্সার একটি সংক্ষিপ্ত পোস্ট প্রকাশ করেছে যে স্পেসএক্স এআই কোডিং টুলের অধিগ্রহণ সম্পন্ন করেছে, একটি প্রক্রিয়া শেষ করেছে যা এপ্রিল মাসে SpaceXAI এর সাথে মডেল-প্রশিক্ষণ অংশীদারিত্বের মাধ্যমে শুরু হয়েছিল। পোস্টটি বিশ্বের বৃহত্তম জিপিইউ বহর যাকে বলে তাতে অ্যাক্সেসের প্রতিশ্রুতি দেয়, তবে কোনও শর্ত, সময়সীমা বা পণ্যের পরিবর্তন প্রকাশ করে না।
cursor.comএকটি প্রিপ্রিন্ট স্টিয়ারবেঞ্চ-ওয়ার্কের সাথে পরিচয় করিয়ে দেয়, যে মুহূর্তে একজন এআই এজেন্ট কাজ করার বা পর্যালোচনার জন্য বিরতি দেওয়ার সিদ্ধান্ত নেয় সেই মুহূর্তের একটি 106-দৃশ্যক পরীক্ষা। 30টি মডেলের শর্ত জুড়ে, লেখকরা রিপোর্ট করেছেন যে ভুলভাবে ক্লিয়ার করা কাজ ধারণ করা ভুলভাবে অনিরাপদ কাজের অনুমতি দেওয়ার চেয়ে প্রায় 28 গুণ বেশি সাধারণ ছিল।
একটি নতুন arXiv প্রিপ্রিন্ট স্ট্রেস-পরীক্ষা করে স্বয়ংক্রিয় গ্রেডার হিসাবে ব্যবহৃত নয়টি সীমান্ত মডেল এবং রিপোর্ট করে যে তারা সকলেই চ্যালেঞ্জের অধীনে তাদের রায় পরিবর্তন করে — এবং পরিবর্তিত রায় সাধারণত সঠিক উত্তর থেকে দূরে সরে যায়, এর দিকে নয়।
একটি নতুন arXiv প্রিপ্রিন্ট যুক্তি দেয় যে বিবর্তন কৌশলগুলির সাথে প্রশিক্ষণ-পরবর্তী LLM - একটি জনসংখ্যা-ভিত্তিক, গ্রেডিয়েন্ট-মুক্ত পদ্ধতি যা ওজনকে সরাসরি বিরক্ত করে - pass@k এবং সমাধান কভারেজের উপর শক্তিবৃদ্ধি শিক্ষাকে হারায়। বিমূর্তটি আরও ভাল গণিত-বেঞ্চমার্ক ফলাফল উদ্ধৃত করে তবে কোনও মডেল, বেঞ্চমার্ক বা সংখ্যার নাম দেয় না।
একটি নতুন arXiv প্রিপ্রিন্ট বেঞ্চমার্ক একটি নির্দিষ্ট এজেন্ট ব্যর্থতা মোড: যখন একটি স্ব-উন্নতিকারী এজেন্ট মেমরিতে একটি অনিরাপদ পদ্ধতি লেখে, তখন এটি পুনরুদ্ধার করা এবং পরবর্তী সেশনগুলিতে কার্যকর করা যেতে পারে। প্রতিটি বিকশিত কনফিগারেশন পরীক্ষিত অনিরাপদ আর্টিফ্যাক্ট তৈরি করেছে, এবং তিনটি দূষিত টাস্ক ক্যারিওভার আক্রমণের সাফল্য দ্বিগুণ করেছে।
arXiv-এ পোস্ট করা একটি প্রিপ্রিন্ট একটি ফ্রেমওয়ার্ক বর্ণনা করে যা তৃতীয় পক্ষের মডেলে পাঠানোর আগে কোয়েরিতে সংবেদনশীল নাম অদলবদল করে এবং উপনামের জন্য নথি উদ্ধার করে। লেখকরা তাদের এন্ড-টু-এন্ড ইউজার মেট্রিকের উপর 80% নির্ভুলতা এবং তিনটি ছোট মডেল জুড়ে 74.91% এবং 77.83% এর মধ্যে সম্পূর্ণ-গোপন হার রিপোর্ট করেছেন।
প্রতি সপ্তাহে একটি দরকারী ব্রিফিং
সপ্তাহের যাচাইকৃত AI খবর, আসল ডেটা, দরকারী টুল, শেখার পছন্দ এবং নতুন AI চাকরি পান।
একজন AI পেশাদার নিয়োগ করছেন বা একটি দরকারী AI পণ্য চালু করছেন? যারা এখানে শিখতে এবং অভিনয় করতে এসেছেন তাদের সামনে এটি রাখুন।
একটি AI চাকরি পোস্ট করুন একটি AI টুল জমা দিন