Lilith.
⌕

Lilith · výběr zpráv

Novinky

Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.

Atom feed ↗
#x· × <built-in method clear of dict object at 0xefe3a6a85f80>
publikováno
publikováno

Předčasné grafy bez modelů lákají konkurenci k rychlému překonání

Nathan Lambert upozornil na systémové riziko marketingových oznámení, která prezentují benchmarky nových modelů týdny před jejich reálným vydáním. V rychlém tempu výzkumu takový odklad prakticky zaručuje, že konkurence do termínu dodání představí ještě silnější architekturu.

MASS zlepšil 27B model o 1,2 až 1,6×. Tým agentů si vyrobil vlastní učebnici

Sakana AI a UC Berkeley nechaly Qwen3.6-27B navrhovat multi-agent workflow, hodnotit jeho výstupy a učit se z nejlepších běhů. Po dvou cyklech stoupl výkon na čtyřech výzkumných benchmarcích na 1,2 až 1,6násobek základu, zatímco dva softwarové benchmarky ukázaly slabší přenos.

publikováno
publikováno

Gemini zvládl 98 reálných pacientů, ale s lékařem sledujícím každý chat

Studie v The Lancet nasadila systém AMIE postavený na Gemini 2.5 do skutečné urgentní primární péče: 98 pacientů dokončilo chat i návštěvu lékaře a nebylo nutné zastavit žádný rozhovor kvůli předem stanoveným bezpečnostním pravidlům. Každou konverzaci však v reálném čase sledoval lékař a systém neměl přístup ke zdravotní dokumentaci.

publikováno
· X · @simonw ↗

OpenAI zúžila GPT-6 Luna na tři typy rozhodnutí, plugin je zpřístupnil v terminálu

OpenAI vydala Decisions API nad GPT-6 Luna pro binární odpovědi, výběr z možností a číselné skóre. Plugin Simona Willisona ukazuje praktickou výhodu i cenu tohoto formátu: rychlá strukturovaná rozhodnutí za 0,10 dolaru za milion vstupních tokenů přicházejí bez vysvětlení, proč model rozhodl právě tak.

publikováno
· X · @OpenAI ↗

OpenAI začne v EU značit text, detektor ale veřejnosti nedá

OpenAI v příštích týdnech přidá neviditelný watermark do způsobilých textů z ChatGPT a Codexu v EU, zatímco zákazníci API si jej mohou globálně zapnout dobrovolně. Detektor zůstane kvůli falešným výsledkům a slabé odolnosti po úpravách dostupný jen schváleným výzkumníkům a odborným organizacím.

publikováno

16 200 otázek nakreslilo mapu ukrytou v jazykovém modelu

Jednoduchý eval se modelu 16 200krát zeptal, zda zadané souřadnice leží na souši, nebo ve vodě, a z odpovědí složil mapu světa. Výsledek názorně ukazuje geografické znalosti ve vahách, ale bez skóre, baseline a přesné metodiky zatím slouží spíš jako rentgen než jako žebříček.

publikováno
publikováno
publikováno

AI dostává svůj Eternal September. Každý obor začíná stejnou úvodní lekcí

Ethan Mollick upozorňuje, že komentátoři z politiky, kultury a dalších oborů budou při vstupu do AI opakovat stejná témata o bezpečnosti, vědomí a práci. Pro veřejnou debatu to znamená trvalý příliv chytrých nováčků, nikoli rychlý přechod ke společnému základu.

publikováno
publikováno