Zrozumienie mechanizmów stojących za AI, takich jak ChatGPT, ujawnia fundamentalne różnice w przetwarzaniu informacji w porównaniu do tradycyjnych wyszukiwarek. Kluczem są dwie fazy: wstępne treningi i inferencja, z naciskiem na skalowalność i nowe podejścia do uczenia maszynowego.
Read More
NVIDIA wprowadza OpenReasoning-Nemotron — rodzinę otwartych modeli językowych (LLM) zoptymalizowanych pod kątem złożonych zadań rozumowania. Modele te, destylowane z potężnego DeepSeek R1, mają zapewnić wysoką wydajność w matematyce, naukach ścisłych i programowaniu, zachowując jednocześnie mniejsze rozmiary i szeroką dostępność.
Read More
Instytut Sztucznej Inteligencji Allena (AI2) zaprezentował AutoDS, prototypowy silnik AI zdolny do całkowicie autonomicznych odkryć naukowych. System, zamiast odpowiadać na zadane pytania, samodzielnie generuje hipotezy i dąży do „zaskoczenia bayesowskiego”, rewolucjonizując podejście do badań opartych na AI.
Read More
J-Moshi, pierwszy publicznie dostępny japoński system dialogowy AI, pozwala na równoczesne mówienie i słuchanie, redefiniując interakcję człowiek-AI w języku japońskim. Rozwinięty przez zespół badawczy z Uniwersytetu Nagoja, system ten doskonale odzwierciedla naturalne wzorce konwersacyjne, w tym istotne „aizuchi”, które dla tradycyjnych systemów AI stanowiły wyzwanie. Inicjatywa ta stanowi znaczący krok w kierunku stworzenia zaawansowanych systemów AI, zdolnych do płynnej współpracy z ludźmi w realnych zastosowaniach – od centrów obsługi klienta po systemy opieki zdrowotnej, a także robotykę i naukę języka w praktyce.
Read More
Naukowcy z TikTok przedstawili SWE-Perf, pierwszy benchmark oceniający zdolność dużych modeli językowych (LLM) do optymalizacji wydajności kodu na poziomie całego repozytorium. Inicjatywa zwraca uwagę na znaczącą lukę między możliwościami sztucznej inteligencji a ludzkimi ekspertami w realnych zastosowaniach inżynierii oprogramowania.
Read More
Naukowcy ze Stanford University przedstawili Fractional Reasoning (FR) – innowacyjne podejście, które koryguje nieefektywność obecnych strategii wnioskowania w dużych modelach językowych (LLM). FR, nowatorskie i niezależne od modelu rozwiązanie, pozwala na dynamiczną regulację głębokości wnioskowania, co zwiększa efektywność i precyzję LLM w rozwiązywaniu złożonych problemów.
Read More
Modele językowe, mimo zaawansowanych technik takich jak Chain of Thought, wciąż borykają się z brakiem zdolności do uczenia się na błędach. Eksperymentalny Łańcuch Myśli (E-CoT) ma szansę to zmienić, wprowadzając mechanizm pamięci doświadczeń.
Read More
Naukowcy z MIT opracowali innowacyjne podejście do szkolenia dużych modeli językowych, które pozwala im na znaczącą adaptację do złożonych zadań wymagających głębokiego rozumowania, takich jak planowanie strategiczne czy diagnostyka medyczna. Technika ta, nazwana treningiem w czasie testu, obiecuje nawet sześciokrotny wzrost dokładności, otwierając nowe perspektywy dla sztucznej inteligencji.
Read More
Startupy Rainmaker i Atmo łączą siły, aby zoptymalizować proces zasiewania chmur. Czy sztuczna inteligencja w meteorologii faktycznie przełoży się na efekty w obliczu sceptycyzmu naukowców i teorii spiskowych?
Read More
Najnowsze badania MIT ujawniają niepokojącą podatność dużych modeli językowych (LLM) na niemedyczne niuanse w komunikacji pacjentów, co prowadzi do błędnych rekomendacji leczenia, zwłaszcza w przypadku kobiet. Odkrycia podkreślają pilną potrzebę audytu i dogłębnych analiz przed wdrożeniem AI w krytycznych obszarach zdrowia.
Read More