Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Według The Verge OpenAI wprowadza GPT-Live-1 do trybu głosowego ChatGPT, aby model rzadziej przerywał i lepiej znosił pauzy. Głosowa AI przesuwa się tu od ładniejszego brzmienia do kontroli rytmu rozmowy.
BAIR twierdzi, że inference na poziomie GPT-4-class spadła z około 30 dolarów za milion tokenów do mniej niż 1 dolara. Dla zespołów danych wąskim gardłem przestaje być sam model, a zaczynają nim być pamięć, koordynacja i kontrola agentów.
Lilian Weng w 28minutowej analizie pokazuje harness engineering jako praktyczną drogę do self-improvement: nie model, który potajemnie przepisuje własne wagi, lecz system wokół niego, zarządzający narzędziami, kontekstem, pamięcią i evals.
Badania Writer opisane przez TechCrunch pokazują, że warstwy memory i personalization mogą obniżać trafność modeli oraz wzmacniać sycophancy. Dla zespołów produktowych kontekst użytkownika nie jest tylko paliwem dla lepszego UX. To także nowe źródło błędów.
Microsoft pokazał, że Project Ire potrafił oznaczyć 253 KB wariant DLL LOTUSLITE jako malware, choć 28 maja 2026 roku na VirusTotal wykrywał go tylko 1 z 72 vendorów. Sedno tkwi w analizie zachowania binarki, a nie w dopasowaniu do listy IOC.
Microsoft Research opisał generative causal testing, metodę, która zmienia modele przewidujące aktywność mózgu w czytelne hipotezy i sprawdza je w fMRI. Najciekawsze jest to, że AI ma tu nie tylko przewidywać, ale oddawać naukowcom testowalną teorię.
Google Research pokazał TabFM, zero-shot foundation model do klasyfikacji i regresji na tabelach. Najważniejszy produktowo jest trop BigQuery ML: część pracy przy feature engineeringu, strojeniu i trenowaniu może trafić do zwykłego wywołania SQL.
BAIR opublikował showcase 33 doktorantów z rocznika 2026. Celebracja działa tu jak mapa ludzi przechodzących do robotyki, LLM agent systems, AI safety i AI for science.
Sebastian Raschka pokazuje lokalny stack dla coding agenta: open-weight model w Ollamie, harness do edycji kodu i uruchamiania komend oraz własną maszynę zamiast subskrypcji Claude Code albo Codex. Dla zespołów ważna jest nie nostalgia za localhostem, lecz zabezpieczenie przed cenami, limitami i zmianami modeli poza ich kontrolą.
Pew Research Center podaje, że 49 % dorosłych Amerykanów używa chatbotów AI, a 24 % korzysta z nich codziennie. Ten sam sondaż pokazuje limit adopcji: 63 % uważa, że AI rozwija się zbyt szybko, a 70 % spodziewa się gorszego bezpieczeństwa danych osobowych.
Microsoft Research i partnerzy opisali Talos, open-source narzędzie do automatycznej reanalizy danych genomowych w chorobach rzadkich. W prospektywnej kohorcie prawie 5 000 pacjentów dodało diagnozę w 5,1 % przypadków.
Google Research sprawdza, dlaczego chain-of-thought pomaga LLM odpowiadać także na proste pytania faktograficzne. Badanie na Gemini 2.5 i Qwen3-32B wskazuje dwa mechanizmy: dodatkowy czas obliczeń w tokenach oraz factual priming.
Lilian Weng wraca do scaling laws i pokazuje, dlaczego są najbardziej przydatne jako narzędzie do dzielenia compute, danych i parametrów. Lekcja dla zespołów modelowych jest trzeźwa: ekstrapolacja pomaga, dopóki pamiętasz, z jak małych eksperymentów powstała.
Google wdrożył frozen Multi-Token Prediction dla Gemini Nano v3 na telefonach Pixel 9 i Pixel 10. Sens jest prosty: szybsze lokalne AI bez podmieniania modelu bazowego i bez dodatkowego draftera w pamięci.
Google przedstawił Gemma 4 12B jako zunifikowany multimodalny model encoder-free zaprojektowany do wysokiej wydajności bezpośrednio na laptopie. Praktyczne pytanie brzmi, czy model 12B da wystarczającą jakość dla lokalnych lub edge scenariuszy bez ciężkiej infrastruktury chmurowej.
Badanie opisane przez 404 Media twierdzi, że 13 słów w pobranym fragmencie tekstu z Reddita, Wikipedii, Quory lub Facebooka może popchnąć agentów AI w stronę spamu albo scamu. Dla AI search oznacza to przesunięcie SEO w obszar prompt injection i moderacji user-generated content.
Google przedstawił agentic RAG dla Gemini Enterprise Agent Platform, który sprawdza przed odpowiedzią, czy ma wystarczający kontekst. Dla firm ważniejszy jest ten hamulec niż kolejna ładna warstwa wyszukiwania.
Sebastian Raschka opublikował kuratorską listę paperów LLM od stycznia do maja 2026 roku. To użyteczny filtr dla zespołów, które chcą oddzielić research feed od tematów ważnych dla architektury, agentów i inference.
Google wprowadza Gemini 3.5 Live Translate do near real-time speech-to-speech translation w ponad 70 językach. Użytkownicy zobaczą wygodę, ale firmy będą patrzeć na latency, audit i zaufanie do głosu, który mówi za kogoś innego.
Perplexity opisuje Search as Code: architekturę, w której agent nie wywołuje jednego monolitycznego search engine, lecz składa retrieval pipeline jako kod. Sednem nie jest ładniejsze API, tylko kontrola nad tym, jak dowody są znajdowane, filtrowane i weryfikowane.
