প্রতিদিন আপডেট করা হয়1797 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।
A new preprint introduces FaithSieve, a Lean-assisted framework that breaks AI-generated mathematical proofs into local reasoning units and reports higher first-error localization accuracy than direct model judging.
A new preprint reports that large language models displayed measurable signs of mentalization in two economic games, but their performance and strategies differed by model family and size. The authors say GPT-5 agents adapted to increasingly sophisticated opponents and outperformed the human comparison group in…
A paper accepted to ACSOS 2026 reports that language-model guardrails can issue approvals that become invalid before a self-adaptive system uses them. Its proposed Freshness-Bounded Shield reduced measured approval-expiry rates in five simulator environments, though the source does not establish real-world…
A new arXiv benchmark finds that open-source AI agents can complete many dependency-ordered hardware-design operations through MCP tools, while tool descriptions, context length and agent configuration strongly affect reliability.
A paper accepted at EMNLP presents a runtime architecture that replaces growing agent conversation histories with mutable structured execution state.
A new Chinese-language benchmark evaluates large language models by the decisions and evidence states they face in financial risk workflows, rather than by general capability scores alone.
A new benchmark evaluates whether AI agents can turn raw biological data into research outputs across complete computational biology workflows. In 20 tasks, 13 frontier models scored between 0.00 and 0.48, with performance declining as datasets and sequences of analysis steps grew.
Researchers introduce FLARE, a system that pairs an LLM-based agent with the Lean proof assistant to check whether proposed mixed-integer linear programming reformulations preserve the original problem. On the paper’s 20-problem, 109-formulation benchmark, the authors report 100% accuracy on the NP-hard subset and…
Researchers propose a framework that compares AI systems with workplace tasks using shared cognitive-capability profiles, based on evaluations of six AI systems and task requirements gathered from 410 employees.
A new arXiv benchmark evaluates whether large language models can discover distinct crashes in open-source software without being given a predefined vulnerability target. In the authors’ tests, Claude Opus 4.8 triggered crashes in 60 of 77 challenges, but achieved only 196 of a possible 579 points.
OpenAI says it has launched commercial operations in Brazil, with a São Paulo team supporting businesses, developers, researchers and public institutions as the company expands ChatGPT, Codex and enterprise adoption.
openai.comA new benchmark of 11,586 bilingual, diagram-based physics problems reports that the strongest of 18 tested multimodal language models achieved only 33.7% answer accuracy.
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