Diperbarui setiap hari1794 cerita terverifikasi
Liputan AI yang diperiksa sumber tentang peluncuran produk, perubahan kebijakan, riset keselamatan, dan langkah industri, dijelaskan dengan bahasa sederhana oleh tim edukasi nirlaba.
Setiap cerita terhubung ke bukti terkuat yang tersedia: sumber asli jika tersedia, dan laporan yang jelas dikaitkan dengan jelas.
What happened, why it matters, and what to watch — without the jargon.
Ketika sinyalnya tipis, kami tidak mempublikasikan apa pun selain mengisi feed.
Source-checked AI stories, newest first, for people who need to understand AI without chasing hype.
Peneliti Apple menyajikan hasil kompleksitas formal untuk mengevaluasi DAG kueri Boolean melalui indeks terbalik dan mengusulkan ComputePN, sebuah algoritme yang dirancang untuk menghindari perluasan kueri eksponensial dan pemindaian skala besar.
NVIDIA SkillEvaluator mengukur dampak keterampilan terverifikasi pada kinerja agen AI melalui proses evaluasi tiga tingkat.
developer.nvidia.comPracetak yang terdiri dari 24 penulis meminta agen AI terdepan untuk menjawab pertanyaan penelitian utama dari dua kiriman NeurIPS 2026 yang tidak dipublikasikan, lalu meminta penulis makalah tersebut menilai hasilnya. Agen tersebut menangani rekayasa tanpa bantuan selama enam hari tetapi jelas ditolak dalam penelitian tersebut.
Warp menerima permintaan akses awal untuk Warp Factory, yang mendefinisikan armada agen pengkodean sebagai kode — repo, model, izin, dan pos pemeriksaan manusia dalam satu file YAML, yang digerakkan oleh CLI, API, SDK, dan MCP. Otomatisasi dan angka biayanya merupakan klaim vendor: tidak ada harga, tanggal ketersediaan umum, atau pengujian independen.
Makalah arXiv baru memperkenalkan pengujian di mana model harus menyimpulkan kata tertulis dari audio goresan pena dan video gerakan tangan, tanpa tinta terlihat. Para penulis melaporkan manusia di atas 80% dengan akurasi huruf yang dipesan dan model terdepan di bawah 10% — dan memberikan model kedua modalitas tersebut sering kali memberikan hasil yang lebih buruk.
Pracetak arXiv baru menjelaskan CacheScout, lapisan yang dibangun di server vLLM sumber terbuka yang memutuskan apa yang akan disimpan dalam cache nilai kunci model berdasarkan agen mana yang kemungkinan akan dijalankan selanjutnya. Penulis melaporkan latensi dua digit dan peningkatan throughput; beban kerja, model, dan perangkat keras tidak disebutkan secara abstrak.
Dua peneliti mengatakan bukti lemma dalam Bab 6 dokumen matematika OpenAI memiliki kesalahan polaritas: tes dalam hal keberhasilan rata-rata di mana langkah selanjutnya memerlukan kegagalan bersyarat yang besar. Mereka memberikan contoh tandingan dan bukti yang dikoreksi, dan memperingatkan bahwa ini bukan verifikasi teorema utama bab ini.
Sebuah pracetak oleh dua peneliti mereproduksi studi sebelumnya tentang mengapa jumlah FLOP yang sama tidak berarti waktu eksekusi yang sama. Hal ini mengkonfirmasi klaim yang mendasarinya tetapi melaporkan bahwa rumus koreksi α-FLOPs umumnya meremehkan waktu proses pada perangkat keras yang lebih baru, yang menunjukkan lompatan dan osilasi yang tidak ditangkap oleh rumus tersebut.
Pracetak arXiv baru menempatkan empat arsitektur untuk kueri database perusahaan dalam bahasa alami terhadap satu sama lain pada tolok ukur bilingual sintetis. Tidak ada yang menjawab lebih dari seperempat kasus dengan benar, dan desain yang mendapat skor tertinggi bukanlah yang paling aman atau termurah.
A new arXiv preprint argues security teams can judge whether a memory- or retrieval-equipped AI agent is learning by measuring how far it closes the gap to a stronger "teacher" model, rather than on labeled benchmarks that are often scarce or stale. Judging by a similarly powered model gave no usable signal.
A 17-author technical report posted to arXiv introduces MobileMem, a benchmark and framework for on-device long-term memory built from a year-scale collection of mobile experiences. The abstract describes the design but reports no scores, and key details about the underlying data remain undisclosed.
A new arXiv preprint says large language models develop functionally specialized internal structure that lines up with distinct human brain networks, based on circuit analyses across 46 tasks in four cognitive domains. The abstract page leaves key methodological details unstated.
Satu pengarahan berguna setiap minggu
Dapatkan berita AI terverifikasi minggu ini, data asli, alat berguna, pilihan pembelajaran, dan pekerjaan AI segar.
Menyewa profesional AI atau meluncurkan produk AI yang berguna? Tunjukkan kepada orang-orang yang datang ke sini untuk belajar dan bertindak.
Posting pekerjaan AI Kirim alat AI