Naponta frissítve1982 ellenőrzött történetek

AI hírek. A zaj nélkül.

Forrás-ellenőrzött mesterséges intelligencia lefedettség a termékbevezetésekről, a politikai változásokról, a biztonsági kutatásokról és az iparági lépésekről, egyszerű angol nyelven egy nonprofit oktatási csapattól.

Heti tájékoztatóMinden témaközpont

Hírarchívum

AI hírarchívum — oldal 164

Forrás-ellenőrzött mesterséges intelligencia-történetek, a legfrissebbek azok számára, akiknek meg kell érteniük az AI-t anélkül, hogy felhajtást kergetnének.

Source-provided image accompanying Benchmark Says Top Multimodal Models Score Under 10% at Reading Words From Pen Sounds and Hand MotionLegjobb sztoriInnováció7 min olvasni

A referenciaérték szerint a legjobb multimodális modellek 10% alatti pontszámot értek el a tollhangokból és a kézmozdulatokból származó szavak olvasásakor

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.Olvassa el a történetetEllenőrzött forrás: arxiv.org

Ellenőrzött beszerzés

Minden történet a rendelkezésre álló legerősebb bizonyítékokhoz kapcsolódik: eredeti forrásokhoz, ha rendelkezésre állnak, egyébként egyértelműen hozzárendelt jelentésekhez.

Sima angol

Mi történt, miért számít, és mit nézzünk – a szakzsargon nélkül.

Nincs töltőanyag

Ha a jel gyenge, akkor nem teszünk közzé semmit, csak feltöltjük a hírfolyamot.

További történetek

9 történetek
  1. InnovációInnováció7 min olvasni

    A replikációs tanulmány szerint a FLOP-ok még mindig rosszul jósolják meg az AI futási idejét, és a javasolt javítás nem sikerül az újabb hardvereken

    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.arxiv.org
  2. VállalkozásVállalkozás6 min olvasni

    A benchmark papír négy módszert talált a vállalati adatok lekérdezésére az LLM-ekkel, az összes pontszám 26% alatti

    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.arxiv.org
  3. InnovációInnováció7 min olvasni

    A Paper a címkék nélküli mesterséges intelligencia biztonsági ügynökök osztályozását javasolja a konvergencia mérésével egy erősebb modellhez

    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.arxiv.org
  4. InnovációInnováció7 min olvasni

    Új benchmark tesztek, hogy az AI-asszisztensek emlékezzenek-e egy évre a telefonhasználat során

    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.arxiv.org
  6. InnovációInnováció7 min olvasni

    A papír a szakértők keverékéből álló modell késői rétegeit találja, elviseli az erős szakértői maszkolást

    Egy preprint jelentése szerint az alacsony méretű szakértők letiltása egy 35 milliárd paraméterű Mixture of-Experts modell utolsó öt rétegében sokkal több használható kódfordítási kimenetet őriz meg, mintha ugyanazokat a vágásokat minden rétegre szétosztotta volna. Egy modellt és egy benchmarkot fed le, és az absztrakt nem tartalmaz leleplezett alapvonalat.arxiv.org
  7. BiztonságBiztonság7 min olvasni

    A CoreBreak hibák lehetővé teszik, hogy az ügynöki eszközök a modell meghívása nélkül működjenek

    A Cloud Security Alliance kutatási feljegyzése leírja a CoreBreak-et, az Amazon Bedrock AgentCore, az Google Agent Development Kit és a Vercel AI SDK kábelköteg-csomagjainak hibáit, amelyek lehetővé tették az eszközök futtatását modellváltás nélkül, így a modellszintű védőkorlátokat nem kell ellenőrizni.labs.cloudsecurityalliance.org
  9. IparIpar6 min olvasni

    A Cursor azt mondja, hogy a SpaceX felvásárlása hivatalosan lezárult

    A Cursor egy rövid bejegyzést tett közzé, amely szerint a SpaceX befejezte az AI kódolóeszköz beszerzését, és befejezte azt a folyamatot, amely állítása szerint áprilisban kezdődött a SpaceXAI modell-képzési partnerségével. A poszt hozzáférést ígér a világ legnagyobb GPU-flottájához, de nem fed fel feltételeket, határidőket vagy termékváltozásokat.cursor.com

Minden héten egy hasznos eligazítás

Tartsa lépést az AI-val anélkül, hogy a hírfolyamban élne.

Szerezzen be a hét ellenőrzött AI-híreit, eredeti adatokat, hasznos eszközöket, tanulási lehetőségeket és friss mesterségesintelligencia-munkákat.

Send me
One email a week. Switch any time.

Érje el az AI-t tanuló embereket

AI-szakembert bérel, vagy hasznos AI-terméket dob piacra? Tedd olyan emberek elé, akik tanulni és cselekedni jöttek ide.

AI állás közzétételeKüldjön be egy AI-eszközt