Nowe podejście do tworzenia agentów AI, inspirujące się strukturą ludzkiego mózgu, pozwala na efektywne rozwiązywanie złożonych problemów przy użyciu stosunkowo niewielkich modeli językowych.
Read More
Accenture Research prezentuje MCP-Bench, kompleksowy test dla modeli językowych (LLM), oceniający ich zdolność do rozwiązywania złożonych problemów z użyciem realnych narzędzi i danych.
Read More
OpenAI eksperymentuje z interfejsem selektora „wysiłku” obliczeniowego oraz wprowadza funkcję rozgałęziania rozmów, dając użytkownikom większą kontrolę nad procesem generowania odpowiedzi przez model.
Read More
Chiński model DeepSeek v3.1 deklasuje otwarte oprogramowanie OpenAI w testach kreatywności, logiki i kodowania. Czy to początek nowej ery w otwartym AI?
Read More
Nowy model Microsoftu o parametrach 14B, rStar2-Agent, demonstruje, że inteligentne algorytmy i uczenie się na interakcjach z otoczeniem mogą być skuteczniejsze niż zwiększanie mocy obliczeniowej.
Read More
Nowa metoda oceny modeli językowych, wykorzystująca head-to-head porównania, ujawnia przewagę GPT-4 w generowaniu empatycznych i profesjonalnych odpowiedzi w obsłudze klienta. Zamiast przypisywać arbitralne oceny numeryczne, system konfrontuje modele ze sobą, wyłaniając zwycięzcę na podstawie jasno zdefiniowanych kryteriów.
Read More
Naukowcy stworzyli model AI inspirowany hierarchiczną strukturą ludzkiego mózgu, który osiąga lepsze wyniki w testach rozumowania niż ChatGPT i inne duże modele językowe.
Read More
Nowy model językowy RLM od Google AI umożliwia precyzyjne przewidywanie wydajności systemów przemysłowych bezpośrednio z surowych danych tekstowych, eliminując potrzebę kosztownego i skomplikowanego inżynierowania cech.
Read More
Australia intensywnie wykorzystuje globalne modele językowe, ale brakuje jej własnych, konkurencyjnych rozwiązań. Czy projekt Kangaroo LLM wypełni tę lukę i wzmocni suwerenność AI kraju?
Read More
Naukowcy z Uniwersytetu Oksfordzkiego opracowali nową metodę optymalizacji procesu uczenia maszynowego, która znacząco redukuje koszty i przyspiesza trening modeli AI. Fisher-Orthogonal Projection (FOP) może zrewolucjonizować podejście do uczenia głębokiego, obniżając koszty nawet o 80%.
Read More