imudojuiwọn ojoojumọ1792 daju itan
Agbegbe AI ti a ṣayẹwo orisun ti awọn ifilọlẹ ọja, awọn iyipada eto imulo, iwadii aabo, ati awọn gbigbe ile-iṣẹ, ṣalaye ni ede Gẹẹsi nipasẹ ẹgbẹ ẹkọ ti kii ṣe èrè.
Gbogbo itan ni asopọ si ẹri ti o lagbara julọ ti o wa: awọn orisun atilẹba nigbati o wa, bibẹkọ ti o han gbangba.
What happened, why it matters, and what to watch — without the jargon.
Nigbati awọn ifihan agbara jẹ tinrin, a jade ohunkohun kuku ju òwú kikọ sii.
Source-checked AI stories, newest first, for people who need to understand AI without chasing hype.
A 24-onkọwe preprint ní aala AI òjíṣẹ gbiyanju awọn aringbungbun iwadi ibeere ti meji unpublished NeurIPS 2026 awọn ifisilẹ, ki o si ní awọn iwe 'ara onkọwe iwọn awọn esi. Awọn òjíṣẹ mu awọn ina- unaided lori ọjọ mefa sugbon won unambiguously kọ lori awọn iwadi.
Warp n gba awọn ibeere wiwọle ni kutukutu fun Awọn ile-iṣẹ Warp, eyiti o ṣalaye awọn ọkọ oju-omi ti awọn aṣoju ifaminsi bi koodu — awọn isinmi, awọn awoṣe, awọn igbanilaaye ati awọn aaye ayẹwo eniyan ni faili YAML kan, iwakọ nipasẹ CLI, API, SDK ati MCP. Adaṣe rẹ ati awọn nọmba idiyele jẹ awọn ẹtọ olutaja: ko si idiyele, ọjọ wiwa gbogbogbo tabi idanwo ominira.
A titun arXiv iwe ṣafihan a igbeyewo ninu eyi ti si dede gbọdọ infer a kọ ọrọ lati pen-ibere ohun ati ọwọ-ronu fidio, pẹlu ko si inki han. Awọn onkọwe jabo eda eniyan loke 80% paṣẹ lẹta yiye ati asiwaju si dede ni isalẹ 10% — ati pe fifun si dede mejeeji modalities igba ṣe esi buru.
A new arXiv preprint describes CacheScout, a layer built on the open-source vLLM server that decides what to keep in a model's key-value cache based on which agent is likely to run next. The authors report double-digit latency and throughput gains; the workloads, models, and hardware are not stated in the abstract.
Awọn oniwadi meji sọ pe ẹri lemma ni Abala 6 ti iwe mathimatiki ti OpenAI ni aṣiṣe polarity: idanwo ni awọn ofin ti aṣeyọri apapọ nibiti igbesẹ ti o tẹle nilo ikuna nla kan. Wọn fun apẹẹrẹ ati ẹri ti a ṣe atunṣe, ati kilọ pe eyi kii ṣe ijẹrisi ti theorem akọkọ ti ipin naa.
A preprint nipa meji oluwadi reproduced ohun sẹyìn iwadi lori idi ti dogba FLOP kika ko tunmọ si dogba ipaniyan akoko. O jẹrisi awọn ipilẹ nperare sugbon ijabọ wipe awọn α-FLOPs atunse agbekalẹ gbogbo underestimates runtime lori titun hardware, eyi ti o fihan fo ati oscillations awọn agbekalẹ ko gba.
A titun arXiv preprint pits mẹrin faaji fun adayeba-ede querying ti ke infomesonu lodi si kọọkan miiran lori a sintetiki bilingual benchmark. Ko si ẹnikan dahun diẹ ẹ sii ju kan mẹẹdogun ti igba ti o tọ, ati awọn oniru ti o gba awọn ti o ga julọ je ko ni safest tabi awọn lawinju.
A titun arXiv preprint jiyan aabo egbe le ṣe idajọ boya a iranti- tabi igbaghara-ni ipese AI oluranlowo ti wa ni eko nipa wiwọn bi o jina ti o pa aafo si kan okun "olukọ" awoṣe, dipo ju lori aami benchmarks ti o wa ni igba toto tabi stale. Idajọ nipa a kanna agbara awoṣe fun ko si lilo ifihan agbara.
Ijabọ imọ-ẹrọ onkọwe 17 ti a firanṣẹ si arXiv ṣafihan MobileMem, itọkasi ati ilana fun iranti igba pipẹ lori ẹrọ ti a kọ lati ikojọpọ ọdun kan ti awọn iriri alagbeka. Apejuwe naa ṣe apejuwe apẹrẹ ṣugbọn ko ṣe ijabọ awọn idiyele, ati awọn alaye pataki nipa data ipilẹ ko ṣafihan.
A titun arXiv preprint sọ pe awọn awoṣe ede nla ṣe agbekalẹ eto inu ti o ṣe pataki ti o ni ila pẹlu awọn nẹtiwọọki ọpọlọ eniyan ti o yatọ, ti o da lori awọn itupalẹ iyika kọja awọn iṣẹ-ṣiṣe 46 ni awọn agbegbe imọ mẹrin. Oju-iwe alailẹgbẹ fi awọn alaye ilana pataki silẹ ti a ko sọ.
A preprint ijabọ wipe disabling kekere-titobi amoye ni awọn ti o kẹhin marun fẹlẹfẹlẹ ti a 35-bilionu-paramita Mixture-of-Amoye awoṣe ti o ti fipamọ jina siwaju sii usable koodu-translation abajade ju itankale kanna gige kọja gbogbo fẹlẹfẹlẹ. O ni wiwa ọkan awoṣe ati ọkan benchmark, ati awọn abstract iroyin ko si unmasked ipilẹ.
Akọsilẹ iwadi Aabo Aabo awọsanma ṣe apejuwe CoreBreak, apẹẹrẹ ti awọn abawọn ni Amazon Bedrock AgentCore, Google's Agent Development Kit, ati awọn idii ijanu AI SDK ti Vercel ti o fun laaye awọn irinṣẹ lati ṣe laisi titan awoṣe — fifi awọn aabo ipele awoṣe silẹ laisi ohunkohun lati ṣayẹwo.
Alaye ti o wulo ni ọsẹ kọọkan
Gba awọn iroyin AI ti a ṣayẹwo ti ọsẹ naa, data atilẹba, awọn irinṣẹ to wulo, awọn yiyan ẹkọ, ati awọn iṣẹ AI tuntun.
Igbanisise ọjọgbọn AI kan tabi ṣe ifilọlẹ ọja AI ti o wulo? Fi si iwaju awọn eniyan ti o wa nibi lati kọ ẹkọ ati ṣe.
Firanṣẹ iṣẹ AI kan Fi ohun elo AI silẹ