प्रतिदिन अद्यतन किया जाता है1797 सत्यापित कहानियाँ
उत्पाद लॉन्च, नीति परिवर्तन, सुरक्षा अनुसंधान और उद्योग चाल की स्रोत-जांच की गई एआई कवरेज, एक गैर-लाभकारी शिक्षा टीम द्वारा सरल अंग्रेजी में समझाई गई है।
प्रत्येक कहानी सबसे मजबूत उपलब्ध साक्ष्य से जुड़ी होती है: उपलब्ध होने पर मूल स्रोत, अन्यथा स्पष्ट रूप से जिम्मेदार रिपोर्टिंग।
What happened, why it matters, and what to watch — without the jargon.
जब सिग्नल पतला होता है, तो हम फ़ीड को पैड करने के बजाय कुछ भी प्रकाशित नहीं करते हैं।
Source-checked AI stories, newest first, for people who need to understand AI without chasing hype.
एक नए arXiv प्रीप्रिंट का तर्क है कि सुरक्षा टीमें यह निर्धारित कर सकती हैं कि मेमोरी- या पुनर्प्राप्ति-सुसज्जित एआई एजेंट यह मापकर सीख रहा है कि यह एक मजबूत "शिक्षक" मॉडल के अंतर को कितनी दूर तक कम करता है, बजाय लेबल वाले बेंचमार्क पर जो अक्सर दुर्लभ या बासी होते हैं। समान रूप से संचालित मॉडल को देखते हुए कोई प्रयोग करने योग्य संकेत नहीं मिला।
arXiv पर पोस्ट की गई 17-लेखकों की तकनीकी रिपोर्ट MobileMem का परिचय देती है, जो मोबाइल अनुभवों के साल-दर-साल संग्रह से निर्मित ऑन-डिवाइस दीर्घकालिक मेमोरी के लिए एक बेंचमार्क और रूपरेखा है। सार डिज़ाइन का वर्णन करता है लेकिन कोई स्कोर नहीं बताता है, और अंतर्निहित डेटा के बारे में मुख्य विवरण अज्ञात रहते हैं।
एक नया arXiv प्रीप्रिंट कहता है कि बड़े भाषा मॉडल कार्यात्मक रूप से विशिष्ट आंतरिक संरचना विकसित करते हैं जो चार संज्ञानात्मक डोमेन में 46 कार्यों में सर्किट विश्लेषण के आधार पर अलग-अलग मानव मस्तिष्क नेटवर्क के साथ जुड़ते हैं। सार पृष्ठ में मुख्य पद्धतिगत विवरण को अघोषित छोड़ दिया गया है।
एक प्रीप्रिंट रिपोर्ट में कहा गया है कि 35-बिलियन-पैरामीटर मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल की अंतिम पांच परतों में कम-परिमाण वाले विशेषज्ञों को अक्षम करने से सभी परतों में समान कटौती फैलाने की तुलना में कहीं अधिक उपयोगी कोड-अनुवाद आउटपुट संरक्षित होते हैं। इसमें एक मॉडल और एक बेंचमार्क शामिल है, और सार रिपोर्ट कोई उजागर आधार रेखा नहीं है।
क्लाउड सिक्योरिटी अलायंस के शोध नोट में कोरब्रेक का वर्णन किया गया है, जो अमेज़ॅन बेडरॉक एजेंटकोर, Google के एजेंट डेवलपमेंट किट और वर्सेल के एआई एसडीके हार्नेस पैकेज में खामियों का एक पैटर्न है, जो टूल को मॉडल टर्न के बिना निष्पादित करने की अनुमति देता है - मॉडल-स्तरीय रेलिंग को निरीक्षण करने के लिए कुछ भी नहीं छोड़ता है।
Anthropic का कहना है कि भविष्य के Claude मॉडल EU AI अधिनियम का अनुपालन करने के लिए Google DeepMind के SynthID-Text पर आधारित एक सांख्यिकीय वॉटरमार्क एम्बेड करेंगे। कंपनी का कहना है कि वह कोई अक्षर, टोकन या उपयोगकर्ता पहचान नहीं जोड़ती है - और एक पूर्ण पुनर्लेखन इसे हरा देता है।
anthropic.comकर्सर ने एक छोटी पोस्ट प्रकाशित की जिसमें कहा गया कि स्पेसएक्स ने एआई कोडिंग टूल का अधिग्रहण पूरा कर लिया है, यह प्रक्रिया अप्रैल में स्पेसएक्सएआई के साथ मॉडल-प्रशिक्षण साझेदारी के साथ शुरू हुई थी। यह पोस्ट उस चीज़ तक पहुंच का वादा करती है जिसे वह दुनिया का सबसे बड़ा जीपीयू बेड़ा कहती है, लेकिन कोई नियम, समयसीमा या उत्पाद परिवर्तन का खुलासा नहीं करती है।
cursor.comएक प्रीप्रिंट स्टीयरबेंच-वर्क का परिचय देता है, जो उस समय का 106-परिदृश्य परीक्षण है जब एक एआई एजेंट समीक्षा के लिए कार्य करने या रुकने का निर्णय लेता है। 30 मॉडल स्थितियों में, लेखकों की रिपोर्ट है कि गलत तरीके से असुरक्षित काम की अनुमति देने की तुलना में गलत तरीके से स्वीकृत कार्य को रोकना लगभग 28 गुना अधिक आम था।
एक नया arXiv प्रीप्रिंट स्ट्रेस-टेस्ट स्वचालित ग्रेडर के रूप में उपयोग किए जाने वाले नौ सीमांत मॉडलों का परीक्षण करता है और रिपोर्ट करता है कि वे सभी चुनौती के तहत अपने फैसले बदलते हैं - और बदले हुए फैसले आमतौर पर सही उत्तर से दूर जाते हैं, इसकी ओर नहीं।
एक नया arXiv प्रीप्रिंट तर्क देता है कि विकास रणनीतियों के साथ प्रशिक्षण के बाद एलएलएम - एक जनसंख्या-आधारित, ग्रेडिएंट-मुक्त विधि जो सीधे वजन में गड़बड़ी करती है - पास@के और समाधान कवरेज पर सुदृढीकरण सीखने को मात देती है। सार बेहतर गणित-बेंचमार्क परिणामों का हवाला देता है लेकिन कोई मॉडल, बेंचमार्क या संख्या का नाम नहीं देता है।
एक नया arXiv प्रीप्रिंट एक विशिष्ट एजेंट विफलता मोड को बेंचमार्क करता है: जब एक स्व-सुधार एजेंट मेमोरी में एक असुरक्षित प्रक्रिया लिखता है, तो इसे बाद के सत्रों में पुनर्प्राप्त और निष्पादित किया जा सकता है। परीक्षण किए गए प्रत्येक विकसित कॉन्फ़िगरेशन ने असुरक्षित कलाकृतियों का उत्पादन किया, और तीन दुर्भावनापूर्ण कार्यों ने कैरीओवर हमले की सफलता को दोगुना कर दिया।
arXiv पर पोस्ट किया गया एक प्रीप्रिंट एक ऐसे ढांचे का वर्णन करता है जो प्रश्नों में संवेदनशील नामों को स्वैप करता है और उन्हें तीसरे पक्ष के मॉडल पर भेजने से पहले उपनामों के लिए दस्तावेज़ पुनर्प्राप्त करता है। लेखक अपने एंड-टू-एंड उपयोगकर्ता मीट्रिक पर 80% से अधिक सटीकता की रिपोर्ट करते हैं, और तीन छोटे मॉडलों में 74.91% और 77.83% के बीच पूर्ण-छिपाव दर की रिपोर्ट करते हैं।
प्रत्येक सप्ताह एक उपयोगी ब्रीफिंग
सप्ताह की सत्यापित एआई समाचार, मूल डेटा, उपयोगी उपकरण, सीखने के विकल्प और ताज़ा एआई नौकरियां प्राप्त करें।
एक एआई पेशेवर को नियुक्त करना या एक उपयोगी एआई उत्पाद लॉन्च करना? इसे उन लोगों के सामने रखें जो यहां सीखने और अभिनय करने आए हैं।
एआई जॉब पोस्ट करें एक AI टूल सबमिट करें