Actualizat zilnic3957 povești verificate
Știri AI. Fără zgomot.
Acoperirea AI verificată la sursă a lansărilor de produse, schimbărilor de politică, cercetării în materie de siguranță și mișcărilor din industrie, explicată în limba engleză simplă de o echipă de educație nonprofit.
Sursă verificată
Fiecare poveste se leagă de cele mai puternice dovezi disponibile: surse originale atunci când sunt disponibile, altfel raportate atribuite în mod clar.
Engleză simplă
Ce s-a întâmplat, de ce contează și ce să urmărești - fără jargon.
Fără umplutură
Când semnalul este subțire, nu publicăm nimic în loc să umplem feedul.
Mai multe povești
9 povestiriInovație
Benchmark finds local AI agents can handle many hardware-design tool calls, but reliability varies
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.arxiv.orgInovație
SKILL.state propune o stare explicită de execuție pentru agenții AI cu funcționare mai lungă
O lucrare acceptată la EMNLP prezintă o arhitectură de execuție care înlocuiește istoriile de conversații ale agentului în creștere cu o stare de execuție structurată mutabilă.arxiv.orgInovație
FinRiskAtlas finds broad AI scores can miss weaknesses in financial risk review
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.arxiv.orgInovație
BixBench3 finds AI agents struggle with full-scale computational biology studies
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.arxiv.orgInovație
FLARE uses an LLM and Lean to verify optimization reformulations
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…arxiv.orgInovație
A preprint proposes profiling AI and workplace tasks by cognitive capabilities
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.arxiv.orgSecuritate
FuzzingBrain-Bench tests whether LLMs can find unexpected software crashes
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.arxiv.orgIndustria
OpenAI opens commercial operations in Brazil as ChatGPT use expands
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.comInovație
Lucrarea PhysElite raportează că liderul LLM multimodal a rezolvat 33,7% din problemele de fizică la nivel de olimpiade.
Un nou etalon de 11.586 de probleme de fizică bilingve, bazate pe diagrame, raportează că cel mai puternic dintre cele 18 modele de limbaj multimodal testate a obținut doar 33,7% acuratețe a răspunsurilor.arxiv.org
Un briefing util în fiecare săptămână
Ține pasul cu AI fără a trăi în feed.
Obțineți știrile verificate de AI din săptămână, date originale, instrumente utile, alegeri de învățare și noi locuri de muncă AI.
Ajungeți la oamenii care învață AI
Angajați un profesionist AI sau lansați un produs AI util? Pune-o în fața oamenilor care au venit aici să învețe și să acționeze.
Postați un job AITrimiteți un instrument AI