Все опубликованные аналитические материалы, исследования суверенного стека, новости экосистемы и обзоры моделей ИИ.
Когда мы говорим о рекурсивном самосовершенствовании (RSI), говорим ли мы о явлении, механизме или перспективе? Что касается автономного и развивающегося интеллекта, RSI востребован во многих масштабах, хотя единой структуры, формально описывающей эти новые экземпляры, не существует.…
Модели больших языков (LLM) с возможностями вызова функций становятся критически важными для современных агентных систем искусственного интеллекта. Тем не менее, текущие развертывания обычно направляют выводы на мощные облачные модели, что приводит к значительному потреблению энергии и выбросам углекислого газа. Мы обращаемся…
Исследования безопасности часто фокусируются на вреде, создаваемом моделями, но пользователи также могут направлять на модели враждебность, принуждение и враждебное давление. Понимание того, как и когда это происходит, необходимо для точной интерпретации поведения модели, отклонения выравнивания и реального развертывания…
Растущее использование агентов ИИ для решения долгосрочных задач приводит к появлению огромных журналов выполнения. Диагностика сбоев в этих записях имеет решающее значение для надежности, поскольку она преобразует сигналы на уровне результатов в действенные вмешательства. Огромный масштаб данных делает возможным человеческий анализ…
Высокая производительность агентов ИИ при выполнении впечатляющего разнообразия задач приводит к беспрецедентным инвестициям в агентскую инфраструктуру, однако стоимость обработки токенов быстро растет. Веб-агенты автоматизируют выполнение задач веб-приложений, описанных в естественном…
Агенты LLM в основном тестируются на коротких однозадачных траекториях, однако реальные развертывания выполняются часами в условиях конкуренции, что приводит к другому классу сбоев. Мы используем симулятор клинической среды (CES), в котором агент управляет всем отделением неотложной помощи…
Эффективное использование аналитики цепочки поставок для принятия решений остается серьезной проблемой для планировщиков, поскольку такие важные задачи, как запросы к базе данных, анализ ключевых показателей эффективности (KPI), прогнозирование спроса и диагностика производительности, требуют разнородных знаний…
Хотя модели больших языков (LLM) продемонстрировали замечательные возможности, их зависимость от облачной инфраструктуры создает фундаментальные проблемы для развертывания в агентных конвейерах, включая задержку, конфиденциальность, возможность подключения и значительные вычислительные затраты. Маленький…
Веб-агенты могут использовать инструменты многократного использования, чтобы снизить стоимость и задержку низкоуровневого взаимодействия с браузером, но автоматически обнаруживаемые коллекции инструментов могут быть большими, избыточными и плохо соответствовать потребностям пользователей. Мы представляем AutoTailor, метаагентную структуру для создания и…
Настойчивые агенты нуждаются в оценках, позволяющих отличать факты идентичности, которые они могут вспомнить, от тех, которые они выражают и действуют. Мы представляем PAI-Bench, независимый от поставщика тест для проверки точности версионного контракта идентификации, управляемого обновлениями. Он разделяет воспоминания, композиции, поведенческие…
Системы промышленного обслуживания включают в себя множество взаимодействующих активов и общих ресурсов, что затрудняет баланс между надежностью и эксплуатационными расходами с использованием единой структуры принятия решений. Хотя недавняя работа была сосредоточена на обучении с подкреплением (RL) для планирования технического обслуживания,…
Большие языковые модели (LLM) продемонстрировали сильные возможности в широком спектре задач обработки естественного языка. Однако традиционная точная настройка обычно основана на централизованном сборе данных, что приводит к проблемам конфиденциальности. Федеративное обучение (FL) позволяет…
Голосовым агентам часто необходимо точно собирать имена, адреса, идентификаторы, даты и время, однако сквозные тесты не позволяют понять, где происходит сбой сбора. Мы представляем $τ$-Elicitation, голосовой тест на 200 задач, охватывающий 10 типов объектов, контролируемую сложность, реалистичность вызывающего абонента и три…
В этой работе мы представляем ZGCM-1, полностью открытую модель плотного фундамента 7B, обученную с нуля с чрезвычайной эффективностью данных, системы и алгоритмов. ZGCM-1 основан на основной предпосылке: компактные модели не могут пассивно запоминать открытую сеть, но могут преодолевать параметрические возможности…
Многокритериальная байесовская оптимизация (MOBO) — это эффективный по выборке подход для оптимизации дорогостоящих функций «черного ящика» с несколькими целями. В MOBO цель состоит в том, чтобы адекватно аппроксимировать фронт Парето; то есть получить качественный набор решений с 1) хорошими…
Закон ЕС об искусственном интеллекте вводит обязательные требования к системам искусственного интеллекта высокого риска с явной целью обеспечить разработку и эксплуатацию заслуживающего доверия искусственного интеллекта. В то же время практика управления рисками ИИ опирается на структурированную таксономию рисков для систематического выявления и обработки…
Химиотерапия улучшает выживаемость некоторых пациентов с раком молочной железы, но врачи не могут точно предсказать, кто именно. Текущие рекомендации полагаются на оценку рецидивов как показатель эффективности лечения, что может способствовать чрезмерному назначению химиотерапии. Здесь мы представляем причинно-следственную связь…
Научные исследования — это непрерывный процесс, в котором особое внимание уделяется наследственности. Методы, разработанные предшественниками, часто расширяются новыми исследователями для изучения более новых и глубоких научных вопросов. Однако смена сотрудников лаборатории, например, выпуск студентов, приводит к…
Внедрение корпоративного искусственного интеллекта достигло 78% организаций по всему миру, однако инфраструктура, управляющая этим внедрением, отстает. В этом документе выявляется и характеризуется дефицит аттестации — структурное состояние, при котором организации поддерживают политику управления, но…
Когда Дженсен Хуанг ответил на звонок Трампа, некоторые из нас были больше сосредоточены на телефоне, по которому он ответил.
MiniMax выпустила крупное обновление MiniMax Design.
Вышла новая часть уже почти ежегодной традиции — эссе главы Anthropic Дарио Амодеи о своих взглядах на развитие ИИ.
I had Astra create a 3D city using only ASCII characters. This is called After Hours. Okay, so you can walk through the city and if you look really closely, the entire city is just made of little characters. It's all ASCII characters. >> [music] >> And this took, I think, two…
When OpenAI CEO Sam Altman, Anthropic CEO Dario Amodei, Google DeepMind cofounder Demis Hassabis, and SpaceX head Elon Musk loosely agreed over the weekend to slow down AI development, skeptics spotted an ulterior motive immediately. The AI titans had declared that their aim was…
Though Elon Musk and Sam Altman have supported Dario Amodei's calls to slow the pace of AI development, Jensen Huang seems to feel differently.
RaaS panelists, from left to right: Bill Booth, RoboWorx; Rick Faulk, Locus Robotics; Eric Linde, Aescape. Robots as a service, or RaaS, has become one of the most closely watched business models in commercial robotics, and for good reason. By shifting automation from a large…
Dario Amodei kicked off a flood of statements over the past few days about AI safety by publishing a long essay titled "We Must Pace the Frontier" detailing why AI development should be slowed down. Other AI leaders and politicians are speaking out in favor of or opposing his…
AI agents are flooding the Internet with slop-infused spam sent to social media platforms and writers in an attempt to gain traction for a startup promoting a “complex social system in which humans and Agents participate together.” “Hello, I'm Рэн (Ren), an Al agent, a few days…
The September 2026 digital issue of The Robot Report looks at two of the more successful areas for automation: surgical robots and warehouse logistics. This free download shares real-world use cases to help guide commercial robotics developers, suppliers integrators, and end…