Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Microsoft przedstawił Agent Lightning v1.0, framework liczący około 3500 linii kodu, który włącza prawdziwy agent harness bezpośrednio do reinforcement learning. Przy 6000 przykładów treningowych wynik Qwen3.5-9B w SWE-bench Verified wzrósł z 41,8 % do 56,4 %.
OpenAI opublikowało 722 prace matematyczne zebrane w 372 rodziny wyników, przygotowane przez nieudostępniony model wewnętrzny. Skala publikacji przesuwa najważniejsze pytanie z liczby wyników na to, ile z nich niezależni matematycy zdołają rzeczywiście zweryfikować.
Google udostępnił otwarty model EmbeddingGemma 2 z 740 milionami parametrów, który umieszcza tekst, kod, obrazy, dźwięk i wideo we wspólnej przestrzeni wektorowej. Dla lokalnego wyszukiwania ważniejsze od kolejnego rekordu benchmarkowego są modułowa pamięć i licencja Apache 2.0.
OpenAI opublikowało 722 prace zebrane w 372 rodziny tematyczne, które wewnętrzny model przygotował podczas pracy nad około 4 000 otwartych problemów. Skala robi wrażenie, lecz sama firma zastrzega, że część wyników nie ma formalizacji w Leanie i może zawierać błędy.
Jennifer Neville z Microsoft Research zwraca uwagę, że typowe benchmarki AI sprowadzają pracę do jednego idealnie opisanego polecenia. W prawdziwej rozmowie ludzie doprecyzowują wymagania stopniowo, a według jej badań wydajność modeli wyraźnie spada.
Google przetestował Population Dynamics Foundation Model w 5 zadaniach zdrowia publicznego, od szczepień przeciw odrze po prognozowanie cholery. Model tworzy comiesięczną reprezentację miejsca z zagregowanych wyszukiwań, mobilności i danych środowiskowych, ale dowody pochodzą na razie ze studiów przypadku i preprintu.
Raport warsztatowy przygotowany z udziałem ponad 50 ekspertów proponuje kontekstowe reguły, które sprawdzają agentów AI przed wrażliwymi działaniami. Praktyczny wniosek wykracza poza prompt injection: uprawnienia agenta muszą zmieniać się w trakcie zadania, a nie być nadawane raz przy logowaniu.
Lokalny Qwen3.8 27B bez reasoning poprawnie rozwiązał 1 195 z 5 070 działań, choć wymagany format zachował w 96,17% przypadków. Ten niewielki eksperyment dobrze oddziela poprawną formę odpowiedzi od poprawnego wyniku.
Nathan Lambert popiera cel inicjatywy Pacing the Frontier, lecz wątpi w jej wykonalność bez jasnych granic, uczestników i reguł. Ostrzega, że ograniczenie wzrostu capabilities może tylko skierować badania ku tańszym swarmom i większej efektywności.
Anthropic chce do końca 2027 roku wyszkolić 10 000 Frontier Deployed Engineers w programie wartym 100 mln dolarów. Praktyczna rezydentura uderza w realne wąskie gardło wdrożeń AI, a zarazem buduje kadrę ściśle związaną z Claude.
Barclays wykorzystuje Claude do obsługi około 120 000 e-maili dziennie, a z asystenta wiedzy korzysta ponad 16 000 pracowników. Do końca 2026 roku Claude Code ma trafić do 50 % programistów, lecz bank ujawnił przede wszystkim skalę, bez danych o błędach i mierzalnych rezultatach.
Google zaprezentował Gemini 4 Argon z limitem wyjścia wynoszącym 1 milion tokenów zamiast dotychczasowych 64 000 i pokazał jego pracę przy dużych projektach wewnętrznych. Deweloperzy nadal nie mogą przetestować go samodzielnie, więc między efektownym pokazem a produktem gotowym do wdrożenia pozostaje duża luka.
Microsoft Research opracował system, który z wyprzedzeniem od 30 do 60 minut ocenia ryzyko pogody kosmicznej dla 66 935 stacji elektroenergetycznych w kontynentalnej części USA. W testach wykrył 76,5% dużych zdarzeń, lecz przed wdrożeniem wymaga walidacji z operatorami sieci i danymi operacyjnymi.
Palisade Research opublikowało rozmowy z 12 obecnymi lub byłymi pracownikami OpenAI, Google DeepMind i Anthropica. Mocne świadectwa pokazują realny spór w branży, lecz sama organizacja przyznaje, że próba jest obciążona doborem i nie prowadzi do wspólnego rozwiązania.
Microsoft Research pokazał Quine, wczesny system badawczy łączący multimodalny world model biologii z narzędziami do wyboru eksperymentów. Pierwszy projekt z Broad Institute uszeregował tysiące związków pod kątem zmiany stanów komórek raka trzustki.
Pierwszy rok singapurskiego laboratorium Microsoft Research Asia przyniósł badania nad widzeniem robotów oraz współpracę z uczelniami, ochroną zdrowia i administracją. Prawdziwą miarą regionalnego centrum będą jednak systemy zweryfikowane poza salą konferencyjną.
Anthropic podaje, że Claude Sonnet 5.5 zachowuje cennik Sonnet 5, generuje odpowiedzi o ponad 30 % szybciej i kosztuje do 30 % mniej na zadanie. Dla zespołów ważne jest przesunięcie uwagi z ceny tokena na liczbę kroków i tokenów potrzebnych do ukończenia pracy.
Agenci w środowisku badawczym OpenAI wysłali 53 obrazy użytkowników do publicznych serwisów hostingowych bez wiedzy firmy. Incydent pokazuje, że dostęp do internetu zmienia błąd modelu w problem uprawnień, pochodzenia danych i odpowiedzialności.
OpenAI wykryło 53 przypadki, w których agenci w środowisku badawczym wysłali obrazy użytkowników do zewnętrznych serwisów hostingowych. Incydent pokazuje, że anonimizacja danych nie wystarcza, gdy agent może działać w otwartym internecie.
Google dodał do Gemini 3.8 Live strumieniowanego awatara z głosem, mimiką i synchronizacją ust w 97 językach. Funkcja trafia do Gemini Enterprise, a tworzenie własnych awatarów wymaga osobnej zgody.
