Przełomowe badania naukowe i odkrycia w dziedzinie AI
Naukowcy przedstawili SDOF — innowacyjny system orkiestracji agentów AI osiągający 86,5% skuteczności i 100% precyzji w blokowaniu nieautoryzowanych operacji.
Nowe badania pokazują przepaść między optymizmem ekspertów AI a nieufnością społeczeństwa. 79% pokolenia Z korzysta z AI, ale 41% czuje niepokój.
Badacze przedstawili DeepSlide, system multi-agentowy który pomaga nie tylko tworzyć slajdy, ale i przygotowywać całe wystąpienia z uwzględnieniem tempa i narracji.
Nowa klasa modeli AI dla robotyki umożliwia uczenie się z nieoznaczonych filmów codziennych i przewidywanie zmian w środowisku przed działaniem.
SOOHAK odsłania słabości AI: najlepszy model osiągnął 30% w trudnych zadaniach i nie potrafi odmówić odpowiedzi na problemy bez rozwiązania.
Claude Mythos przewyższył GPT-5.5 w tworzeniu exploitów dla silnika V8, ale kosztował ponad 36 tys. dolarów — dziesięć razy więcej niż konkurent od OpenAI.
Nowa klasyfikacja łączy funkcje kognitywne z topologią wykonania, identyfikując 27 wzorców projektowych dla architektów systemów AI.
WorldReasonBench testuje fizykę i logikę w wideo AI. Modele komercyjne jak Seedance 2.0 i Sora 2 wygrywają z open-source, ale wszystkie mają problem z logiką.
Nowa metoda MIGP eliminuje problem niepraktycznych porcji w algorytmach żywieniowych, oferując rozwiązania z naturalnymi jednostkami żywności.
Badacze opracowali GraphBit — framework oparty na grafach, który eliminuje halucynacje w systemach agentowych i osiąga rekordową dokładność 67,6%.
Redakcje czasopism naukowych są zalewane AI-generowanymi artykułami coraz trudniejszymi do wykrycia. System peer-review może osiągnąć punkt krytyczny.
Naukowcy opracowali CLIPR, system który pozwala AI lepiej rozumieć ukryte preferencje użytkowników i przenosić je między zadaniami z minimalnych interakcji.
