Matematycy i badacze DeepMind analizują bariery AI w naukach ścisłych. Choć modele językowe świetnie liczą, brakuje im mechanizmu abdukcji niezbędnego do tworzenia przełomowych teorii.
Read More
Nowy benchmark PerceptionBench ujawnia, że topowe modele AI nie radzą sobie z podstawowym widzeniem, osiągając wyniki poniżej 60% skuteczności. Rzekome błędy logiczne maszyn okazują się w rzeczywistości problemem z poprawną interpretacją obrazu.
Read More
Najnowsze badanie naukowców z Princeton i brytyjskiego Instytutu Bezpieczeństwa AI podważa twierdzenia technologicznych gigantów o samodzielności ich modeli w pracy badawczej.
Read More
Model Ontology 1 wykorzystuje architekturę neurosymboliczną, by rozumieć kontekst zakupowy lepiej niż algorytmy Google i Amazona. W testach precyzji system z San Francisco pokonał rynkowych liderów, stawiając na logiczne wnioskowanie zamiast prostego dopasowywania fraz.
Read More
Sztuczna inteligencja zaczyna rozwiązywać problemy matematyczne, które przez dekady opierały się najwybitniejszym umysłom, wywołując kryzys tożsamości w świecie nauki.
Read More
OpenAI prezentuje rodzinę modeli Astra, zdolną do wielodniowej pracy nad jednym zadaniem. System rozwiązał już dziesięć problemów matematycznych, które od dekad pozostawały bez odpowiedzi.
Read More
Laboratorium Miry Murati prezentuje Inkling Small – kompaktowy model typu open-weights, który w testach rozumowania dorównuje gigantom, zużywając przy tym ułamek ich zasobów.
Read More
Tom Zahavy z Google DeepMind twierdzi, że modele językowe utknęły w pułapce statystyki i nie potrafią dokonać twórczego skoku niezbędnego do naukowych przełomów.
Read More
OpenAI ogłosiło rekordowy wynik GPT-5.6 Sol w teście ARC-AGI-3, ale rezultat 38,3% uzyskano dzięki autorskiemu środowisku, podczas gdy w standardowych warunkach model radzi sobie znacznie słabiej niż Opus 5.
Read More
Model Claude Opus 5 od Anthropic zdominował benchmark ARC-AGI-3, osiągając wynik 30,2% i trzykrotnie wyprzedzając najgroźniejszych konkurentów. To sygnał, że systemy AI zaczynają radzić sobie z problemami, których nie widziały nigdy wcześniej w danych treningowych.
Read More