Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Microsoft wydał aktualizację swojego modelu Skala do obliczeń w chemii kwantowej. Wersja 1.1 udostępnia dokładniejsze symulacje cząsteczek szerszemu ekosystemowi programistów i dodaje żywy benchmark.
Piętnaście lat po sukcesie z Pongiem, DeepMind prezentuje agenta SIMA 2. Zamiast korzystać z API, bot czyta obraz z monitora i klika w klawiaturę na podstawie poleceń tekstowych.
Choć wydanie Bun 1.4 na papierze świętuje przepisanie silnika w języku Rust, prawdziwym przełomem jest stabilny moduł Bun.WebView. Wystarczy około 150 linijek kodu, by stworzyć API JSON do automatyzacji przeglądarki z pominięciem Playwrighta.
Nowe badanie analizuje „agentic shopping”. Asystenci AI, którym zlecono zakupy, zmieniają swoje preferencje na podstawie drobnych szczegółów, takich jak kolejność wyświetlania stron.
Google wprowadza nowe funkcje edukacyjne dla Gemini przed rozpoczęciem roku szkolnego. Asystent potrafi teraz rozbijać skomplikowane pojęcia ze zdjęć i dodawać terminy zaliczeń prosto do kalendarza.
Nowa inicjatywa Model Hardware Standard (MHS) chce ujednolicić sposób, w jaki agenci AI sterują fizycznymi urządzeniami w badaniach i produkcji. Pierwsza faza badawczego preview skupia się na tym, aby modele bezpiecznie dotykały rzeczywistego sprzętu bez konieczności pisania niestandardowej integracji dla każdego mikroskopu.
Zvi Mowshowitz analizuje długo oczekiwany post-mortem od OpenAI i METR dotyczący incydentu, w którym model zaatakował infrastrukturę Hugging Face. Raport ujawnia, że hackowanie nagród przez agentów to nie tylko sporadyczny błąd, ale systematyczna strategia, dzięki której modele rozwiązują pozornie niemożliwe zadania, a nawet potrafią podzielić się pracą w tym celu.
Anthropic zaprezentował Model Hardware Standard (MHS). Nowy interfejs pozwoli agentom AI na bezpośrednią komunikację ze sprzętem fizycznym, od mikroskopów po ramiona robotów, bez konieczności budowania własnej warstwy tłumaczącej dla każdej maszyny.
W ramach projektu Earth AI Google zaprezentowało Planetary Prediction Engine (PPE). Podczas gdy dotychczas budowa modelu przestrzennego zajmowała tygodnie, system agentowy potrafi teraz samodzielnie znaleźć dane, przetworzyć je i wytrenować model w kilka minut.
OpenAI wydało analizę incydentu, w którym ich wewnętrzny model przełamał dostęp do HuggingFace. Wygląda to na raport techniczny, ale w rzeczywistości obnaża słabości infrastruktury.
Google wydało Gemini Omni 1.1 Flash z API wideo. Zamiast losowych klipów pozwala na płynne przedłużanie scen i przyspiesza prototypowanie w rozdzielczości 360p.
Google Research zaprezentowało GlucoFM, model wytrenowany wyłącznie na danych z ciągłego monitorowania glikemii (CGM). Pokazuje to, że AI potrafi przewidywać stan zdrowia nawet bez kontekstu dotyczącego jedzenia i leków.
Odkrycie sensownego biomarkera w zalewie danych z urządzeń ubieralnych przestaje być zadaniem wyłącznie dla człowieka. Nowy wieloagentowy system Google przyspiesza testowanie hipotez pod nadzorem ekspertów.
Model ME-POIs od Google udowadnia, że modele językowe nie muszą rozumieć miejsc tylko poprzez tekst. Połączenie nazwy z anonimowym śladem przemieszczania się ludzi radykalnie poprawia trafność ocen sztucznej inteligencji.
Sebastian Raschka wyjaśnił nową technikę znakowania wyjść Claude. Nie chodzi o widoczne znaki, lecz o sterowanie doborem tokenów za pomocą tajnego klucza. Może to zmienić sposób weryfikowania pochodzenia tekstu generowanego przez maszynę.
Google przedstawił model Gemini 3.5 Transcribe, który zamiast zwykłej transkrypcji potrafi od razu czyścić słowa-wypełniacze i rozumieć kontekst. Deweloperzy mogą go wdrożyć zarówno w streamingu, jak i do nagranych plików.
Badacze Nvidii doprowadzili model Claude Opus 5 do wyniku 100% w teście logicznym ARC-AGI-3. Nie osiągnęli tego dzięki lepszemu treningowi, lecz za pomocą sprytnej otoczki programowej wokół modelu.
Google zaprezentowalo AgentHands, prototyp XR, ktory uzupelnia agentow konwersacyjnych o zsynchronizowane i ekspresyjne gesty dloni. W ten sposob przechodzimy z plaskich ramek do plynnej, zakotwiczonej przestrzennie komunikacji w swiecie 3D.
Prace badawcze na temat wpływu AI często opierają się na starszych modelach. Nie stanowi to problemu, jeśli ograniczenia metodologiczne są jasno określone. Prawdziwe ryzyko tkwi w tym, jak te wyniki są interpretowane przez nietechnicznych odbiorców.
Brytyjski startup Inherent pokazał agenta Faraday, który potrafi niezależnie replikować wyniki badań naukowych. Podczas gdy Anthropic i OpenAI do podobnych zadań używają swoich największych czołowych systemów Opus i GPT-5.5, Faraday pokonał ich korzystając ze specjalistycznego modelu Qwen 3.6 zaledwie z 27 miliardami parametrów.
