Verifizierte Nachrichten, Veröffentlichungen und Analysen dazu, was sich bei künstlicher Intelligenz ändert und was das für Sie bedeutet.
166 Artikel
Ein Preprint von Google DeepMind beschreibt, wie vier Agenten ein Survival-Spiel abschlossen, nachdem sie 2.783 Programme geschrieben und 605 Mal gestorben waren. Das Ergebnis dokumentiert eine konkrete Ausführung, nicht eine bereits bewiesene allgemeine Fähigkeit.
V4.1-Flash-1017 erzielt laut DeepSeek bessere Ergebnisse bei agentischen Aufgaben und senkt die in der eigenen DeepSWE-Auswertung gemessenen Kosten pro Aufgabe. Außerdem bietet das Unternehmen Search und Fetch als APIs an. Die Leistungsangaben zum neuen Checkpoint beruhen bislang auf unternehmenseigenen Tests.
Das Unternehmen hat sechs Forschern der gemeinnützigen Organisation METR Berechtigungen erteilt, die denen seiner eigenen Mitarbeiter entsprechen, und damit einen Präzedenzfall für die externe Überprüfung von KI-Risiken geschaffen.
Eine Interpretierbarkeitsstudie untersucht, wie Aufmerksamkeit und MLP-Schichten an der Erkennung schädlicher Anfragen und an Ablehnungssignalen in Sprachmodellen beteiligt sind.
Ein neuer Preprint stellt einen Benchmark mit 20 Aufgaben vor, der die Fähigkeit von Programmier-Agenten misst, Fehler in bereitgestellten Anwendungen zu beheben, und die Grenzen traditioneller Test-Repositories überwindet.
Ein Preprint stellt eine Methode vor, die einen Sprachencoder mit einem eingefrorenen LLM verbindet, um geschlossene Fragen über Wahrscheinlichkeitsverteilungen über Optionen zu beantworten und die Latenz in Echtzeit-Sprachagenten zu reduzieren.
Muse Spark Open werden 816 Milliarden Parameter, 42 Milliarden aktive Parameter und ein Kontextfenster von einer Million Tokens zugeschrieben. Die vorliegenden Primärquellen von Meta bestätigen jedoch weder diese Variante noch eine offizielle Optimierung für Apple Silicon. Auch lokale Hardwareanforderungen und Leistung lassen sich damit nicht verifizieren.
Nemotron 3.5 Super VL ist für die Interpretation von Dokumenten, Grafiken, Bildern und Videos sowie für langandauernde Aufgaben mit Werkzeugen konzipiert. Die verfügbaren Informationen bestätigen den Launch und die Skalierung des Modells, reichen jedoch nicht aus, um unabhängige Leistungswerte oder den spezifischen Hardwarebedarf für jeden Deployment zu bestimmen.
Eine experimentelle Arbeit beschreibt, wie sich Loop-Transformer stabilisieren und ihre Leistung messen lassen. Sie belegt weder, dass OpenAI diese Architektur im nächsten Modell einsetzt, noch, dass sie die Sicherheitsüberwachung erschwert.
Das neue Modell verbindet Schlussfolgern, Werkzeugnutzung und das Verstehen von Text, Bildern, Dokumenten und Videos. NVIDIA gibt 12 Milliarden aktive Parameter pro Token und Effizienzsteigerungen an. Die veröffentlichten Ergebnisse reichen jedoch nicht aus, um einen unabhängigen Vergleich oder allgemeingültige Inferenzkosten abzuleiten.
Ein Astrophysiker der Johns Hopkins University nutzte Claude Science, um Daten mehrerer Weltraummissionen zu verarbeiten und die Lücken in der Ultraviolett-Karte des Himmels zu schließen, indem er Beobachtungen mit statistisch validierten Schätzungen kombinierte.
Meta hat Muse Wonder und Muse Wonder Full veröffentlicht, ihre ersten Frontier-Modelle, mit Zugang über API und Abo. Wir analysieren die angekündigten Fähigkeiten, die Preise und die Einschränkungen der Leistungsvergleiche gegenüber OpenAI und Anthropic.