Naponta frissítve1638 ellenőrzött történetek
Source-checked AI coverage of product launches, policy shifts, safety research, and industry moves, explained in plain English by a nonprofit education team.
Every story links to the strongest available evidence: original sources when available, otherwise clearly attributed reporting.
Mi történt, miért számít, és mire kell figyelni – nincs zsargonadó.
Ha a jel gyenge, akkor nem teszünk közzé semmit, csak feltöltjük a hírfolyamot.
Ellenőrzött perspektívák egyre növekvő száma azoknak az embereknek, akiknek meg kell érteniük az AI-t anélkül, hogy felhajtást kergetnének.
Apple researchers present a formal complexity result for evaluating Boolean query DAGs over inverted indexes and propose ComputePN, an algorithm designed to avoid exponential query expansion and universe-scale scans.
NVIDIA SkillEvaluator measures the impact of verified skills on AI agent performance through a three-tier evaluation process.
A 24-author preprint had frontier AI agents attempt the central research questions of two unpublished NeurIPS 2026 submissions, then had the papers' own authors grade the results. The agents handled the engineering unaided over six days but were unambiguously rejected on the research.
Warp is taking early-access requests for Warp Factories, which defines fleets of coding agents as code — repos, models, permissions and human checkpoints in one YAML file, driven by CLI, API, SDK and MCP. Its automation and cost figures are vendor claims: no pricing, general availability date or independent testing.
Egy új arXiv dokumentum egy olyan tesztet vezet be, amelyben a modelleknek írott szóra kell következtetniük a tollkarcolás hangjából és a kézmozgásos videóból anélkül, hogy tinta látható volna. A szerzők arról számolnak be, hogy az emberek 80% feletti rendezési pontossággal rendelkeznek, a vezető modellek pedig 10% alattiak – és hogy mindkét modell megadása gyakran rontotta az eredményeket.
Egy új arXiv preprint leírja a CacheScoutot, a nyílt forráskódú vLLM-kiszolgálóra épülő réteget, amely az alapján dönti el, hogy mit tartson meg a modell kulcsérték-gyorsítótárában, az alapján, hogy valószínűleg melyik ügynök fut majd legközelebb. A szerzők kétszámjegyű késleltetésről és áteresztőképesség-növekedésről számolnak be; a munkaterhelések, a modellek és a hardverek nincsenek absztraktban megadva.
Két kutató szerint a OpenAI matematikai dokumentumának 6. fejezetében található lemmabizonyítás polaritáshibát tartalmaz: az átlagos siker tesztje, ahol a következő lépéshez nagy feltételes kudarc szükséges. Ellenpéldát és javított bizonyítást adnak, és arra figyelmeztetnek, hogy ez nem a fejezet főtételének igazolása.
Két kutató előnyomata egy korábbi tanulmányt reprodukál arról, hogy az egyenlő FLOP-számok miért nem jelentenek egyenlő végrehajtási időt. Megerősíti a mögöttes állítást, de beszámol arról, hogy az α-FLOPs korrekciós képlet általában alulbecsüli az újabb hardverek futási idejét, ami olyan ugrásokat és ingadozásokat mutat, amelyeket a képlet nem rögzít.
Az új arXiv preprint négy architektúrát állít szembe egymással a vállalati adatbázisok természetes nyelvű lekérdezéséhez egy szintetikus kétnyelvű benchmarkon. Egyik sem válaszolt helyesen az esetek több mint negyedére, és a legmagasabb pontszámot elért terv sem volt a legbiztonságosabb vagy a legolcsóbb.
Egy új arXiv preprint azt állítja, hogy a biztonsági csapatok úgy tudják megítélni, hogy egy memóriával vagy visszakereséssel felszerelt AI-ügynök tanul-e, ha azt mérik, hogy mennyire zárja le a lemaradást egy erősebb "tanár" modellhez képest, nem pedig a gyakran ritka vagy elavult benchmarkok alapján. Egy hasonló teljesítményű modellből ítélve nem adott használható jelet.
Az arXiv-re közzétett, 17 szerzőből álló műszaki jelentés bemutatja a MobileMem-et, amely az eszközön található hosszú távú memória benchmark és keretrendszere, amely a mobil élmények éves gyűjteményéből épül fel. Az absztrakt leírja a tervezést, de nem közöl pontszámokat, és a mögöttes adatokkal kapcsolatos legfontosabb részleteket nem hozták nyilvánosságra.
Az új arXiv preprint szerint a nagy nyelvi modellek funkcionálisan speciális belső struktúrát fejlesztenek ki, amely a különböző emberi agyi hálózatokhoz illeszkedik, négy kognitív tartomány 46 feladatának áramkörelemzése alapján. Az absztrakt oldal a kulcsfontosságú módszertani részleteket kimondatlanul hagyja.
One useful briefing each week
Get the week’s verified AI news, original data, useful tools, learning picks, and fresh AI jobs.
Hiring an AI professional or launching a useful AI product? Put it in front of people who came here to learn and act.
Post an AI job Submit an AI tool