TEMA
Veri, ölçüm, değerlendirme
Bu temada 23 haber var, en yenisi üstte.
- Meta, ticari koşullarından site içeriğiyle eğitime izin veren ifadeyi çıkardı
- Uzun vadeli ajan kararlarını ölçen Taste-Bench'te en iyi model yüzde 59,7'de kaldı
- Görsel sezgi testinde en iyi model yüzde 54'te kaldı, insanlar yüzde 93'te
- Kapanan girişimlerin iç yazışmaları ve kodları yapay zeka şirketlerine satılıyor
- Araştırmaya göre 10 dakikalık yapay zeka desteği zor işlerde sebatı azaltıyor
- DeepMind'ın AlphaProof Nexus'u dokuz Erdős problemini çözdü, çalışma Science'ta yayımlandı
- Epoch AI testinde ajanlar yeni yöntem bulamadı, sonuçlarını abarttı
- Biohub, hücre davranışını öngören modeller için 1,8 milyar dolarlık bir çalışmayı yürütüyor
- SciUniverse testinde en iyi model laboratuvar görevlerinin yüzde 45'ini geçti
- Aleph Alpha'ya göre Çin modelleri hassas siyasi sorularda çoğunlukla resmi çizgiyi izliyor
- Harvard fizikçisi Claude ile üç ayda 18 alanda 36 makale taslağı çıkardı
- Kod ajanları fotoğraftan 3B sahne kuruyor ama sonucu doğru değerlendiremiyor
- AlphaGo ekibinden Thore Graepel, akıl yürütme yaklaşımı nedeniyle DeepMind'dan ayrıldı
- Halluminate, finans işleri için model eğitim ortamları kurarak 30 milyon dolar topladı
- OpenAI'a göre araştırmanın yüzde 80-90'ı GPT-7 ve sonrasına ayrılıyor
- GPT-6 Astra, IKEA montaj hatalarını fotoğraftan yüzde 80 doğrulukla buldu
- Bağımsız testte Opus 5.5 en yüksek düşünme ayarında yanıt veremedi
- GPT-6 Astra, Andon Labs'in otomat ve drone testlerinde önceki modelleri geçti
- Real-SWE testinde en iyi model gerçek şirket kod görevlerinin yüzde 38,8'ini çözdü
- Vinyals, Jeff Dean ve Quoc Le ile Discovery Loop'u kuruyor
- Yirmi beş Fields madalyalı matematikçi açık mektupla yapay zeka laboratuvarlarını eleştirdi
- İkinci bir matematikçi OpenAI'dan eğitim verisi konusunda kanıt istiyor
- Navier-Stokes tartışmasında taraflar konuştu, Tao açık bilim uyarısı yaptı