Notizie verificate, lanci e analisi per capire cosa cambia nell’intelligenza artificiale e come ti riguarda.
170 articoli
Il preprint riunisce eventi risolti e notizie datate per valutare gli agenti in diversi momenti storici. L’abstract segnala miglioramenti con gli strumenti di ricerca in 12 modelli, anche se tutti restano indietro rispetto alle previsioni storiche del mercato.
Il benchmark valuta agenti che cercano di ricostruire risultati di articoli di machine learning usando i materiali pubblicati e un budget di GPU prestabilito. I tassi di successo indicano una difficoltà crescente, ma non stabiliscono se le conclusioni scientifiche degli articoli siano valide.
Il benchmark riunisce 799 casi di banca retail indiana e analizza sicurezza, uso degli strumenti, risposte e consulenza. Secondo gli autori, un singolo successo non basta a misurare l’affidabilità.
Un preprint descrive un sistema che consulta definizioni di informazioni sensibili specifiche per dominio durante l’inferenza. I risultati iniziali indicano una capacità di rilevamento superiore a quella di un classificatore di riferimento nella maggior parte delle combinazioni esaminate, ma le informazioni disponibili non consentono di valutare tutti gli errori né la preparazione del sistema per un impiego reale.
Akamai ha confermato un impegno pluriennale per fornire capacità di calcolo ad Anthropic, con particolare riferimento ai carichi di lavoro basati su CPU. Le informazioni iniziali indicavano una cifra di 1,8 miliardi di dollari; l’annuncio successivo indica un impegno ampliato da 11,6 miliardi. I termini, da soli, non dimostrano che tutta la capacità sia già operativa.
Il test di Google consente a Gemini di gestire alcune semplici telefonate per conto dell’utente. Per ora è limitato ai proprietari di Pixel 11 negli Stati Uniti che hanno un abbonamento a Gemini. La persona può seguire la chiamata e prenderne il controllo.
Google annuncia Live Avatar per Gemini Enterprise: una rappresentazione visiva che accompagna la conversazione e sincronizza i movimenti con la voce. Disponibilità, prestazioni e modalità supportate hanno limiti da considerare.
Il benchmark misura se gli agenti prevedono l’effetto delle modifiche ai componenti di un flusso di lavoro. I risultati descrivono le prestazioni in compiti specifici, non una capacità generale di fare scienza.
A Made on YouTube sono stati presentati commenti assistiti dall’IA sulle bozze e strumenti per modificare gli Shorts con istruzioni conversazionali. L’azienda elenca alcune operazioni possibili, ma non specifica le regioni interessate né i tempi di disponibilità.
La documentazione di OpenAI fissa una data di ritiro per Videos API e per i modelli Sora 2 e Sora 2 Pro, senza indicare un sostituto. I team possono iniziare censendo le dipendenze e mettendo al sicuro gli asset già scaricati; le fonti disponibili non chiariscono che cosa accadrà ai lavori e ai metadati dopo la chiusura.
Il preprint descrive un metodo di red teaming adattivo che usa i risultati di ogni test per decidere cosa esplorare in seguito. Gli autori riferiscono di aver rilevato più fallimenti rispetto alla ripetizione statica dei test iniziali in tre famiglie di valutazione, ma il riepilogo non consente di quantificare il vantaggio né di tradurlo in una stima della frequenza degli incidenti reali.
Il benchmark confronta il comportamento degli agenti che usano il computer in nove ambienti di mercato, con e senza meccanismi di influenza. I risultati indicano un netto calo nella scelta del prodotto ottimale per l’utente, ma non dimostrano che lo stesso effetto si verifichi nei negozi reali.