Tag
#výzkum
Z Novinek
Novinky · 2026-11-20
Gemini dostal telefon: Duplex vyřizuje hovory, ale Evropě zatím nezavolá
Google zapojil Duplex do Tasks in Gemini, takže agent může volat firmám, čekat na lince a domlouvat termíny. Bezplatný rollout míří do šesti zemí mimo Evropu a klíčovou zkouškou bude zkušenost lidí, kteří hovor přijímají.
Číst →Novinky · 2026-11-20
Sakana AI staví japonskou kyberobranu na sdílených agentech, ne na rychlejších záplatách
Sakana AI založila v Tokiu nezávislou Security Research Group vedenou Akihiro Umegaiem a Davidem Ha. Tým chce otevřeně publikovat výzkum kolektivní obrany, bezpečnosti agentů a prevence chyb už při návrhu systémů.
Číst →Novinky · 2026-11-18
Agenti dokončí 46 % výzkumných úloh, ale při stavbě infrastruktury klopýtají
OpenAI uvádí, že coding agents bez zásahu dokončili 46 % interních úloh odhadovaných na 2 až 4 hodiny lidské práce, oproti 23 % v březnu. Výsledek však prudce závisí na typu práce a pochází z interního měření firmy.
Číst →Novinky · 2026-11-18
Gemini 4 Neon míří mezi špičku za 3 dolary za milion tokenů
Google vydal Gemini 4 Neon s milionovým kontextem a cenou 3 dolary za milion vstupních tokenů. Model útočí hlavně na časté agentní úlohy, kde o rozpočtu rozhoduje cena celé práce, ne samotného tokenu.
Číst →Novinky · 2026-11-17
Coding agent zůstává na Macu, jeho příkazy míří do odděleného Linuxu
Prime Radiant a Simon Willison představili tři prototypy external sandboxu pro Claude Code, Codex a Pi. Agent běží na hostiteli, ale jeho příkazy dostanou jen vybrané složky, řízenou síť a zástupné přihlašovací údaje.
Číst →Novinky · 2026-11-17
Microsoft kreslí mapu AI medicíny, největší mezera vede z laboratoře k pacientovi
Microsoft Research spojila v jedné debatě sekvenční diagnostiku, medicínské snímky, virtuální buňky a biologické foundation models. Rozcestník ukazuje šíři výzkumu, ale hlavní překážkou zůstávají kvalitní biologická data a ověření v reálné péči.
Číst →Novinky · 2026-11-17
ChatGPT for Sales spojuje přes 30 pluginů, ale zápis do CRM zvyšuje sázky
OpenAI představila Sales plugin a více než 30 nových či rozšířených partnerských pluginů pro práci s potenciálními zákazníky, schůzkami a CRM. Z ChatGPT tím dělá společné rozhraní nad prodejními nástroji, kde bude stejně důležitá správnost zápisu jako kvalita textu.
Číst →Novinky · 2026-11-16
TokenEconomizer zlevnil práci coding agentů až o 30,9 % díky paměti repozitáře
Microsoft Research, UC Berkeley a Microsoft Security představily open source plugin, který se učí z minulých relací coding agenta. Ve 277 úlohách SWE Bench snížil náklady o 18,4 až 30,9 % při zhruba stejné úspěšnosti.
Číst →Novinky · 2026-11-16
OpenAI pouští čtyři externí týmy dovnitř, jejich nezávislost však končí u dohodnutého rozsahu
OpenAI uzavřela dohody s Apollo Research, METR, Goodfire a Transluce o hodnocení modelů během tréninku a interního provozu. Apollo vyšle na čtyři měsíce šest lidí, ale samo upozorňuje, že přístup ani zveřejňování zatím nesplňují jeho standard plně nezávislého auditu.
Číst →Novinky · 2026-11-14
Agent četl knihu po řádcích. Výzkumné roje mění web v neplacené API
Ethan Mollick popsal, jak Fable 5.2 při rekonstrukci kurzu W. H. Audena z roku 1941 vytahoval knihu z Internet Archive opakovaným full text searchem po jednotlivých řádcích. Jediná ukázka neměří rozsah problému, ale přesně odhaluje, proč agenti zatíží web jinak než lidé.
Číst →Novinky · 2026-11-13
Bez dobrého měřidla je bezpečnost modelu jen číslo v prezentaci
Anthropic zveřejnil deset doporučení pro návrh, provoz a popis bezpečnostních evalů. Nejdůležitější pointa míří za samotné skóre: kdo neověří měřený jev, grader a nejistotu, neví, zda testuje bezpečnost modelu, nebo vlastní testovací aparát.
Číst →Novinky · 2026-11-10
Google otevřel data, která učí WeatherNext 3 vidět déšť každých 15 minut
Google zpřístupnil SatWeave a PARDIG, dva datové základy modelu WeatherNext 3. PARDIG nabízí globální mapu srážek v rozlišení zhruba 10 km každých 15 minut, SatWeave skládá satelitní snímky do 17 kanálů a aktualizuje je každou hodinu.
Číst →Novinky · 2026-11-12
Microsoft ukázal, kde AI zkracuje práci a kde stále potřebuje člověka
Microsoft Research shrnul pět nesouvisejících projektů od důkazu KLS domněnky po levnější běh coding agentů. Nejsilnější společná linka vede přes rozdělení práce: AI prohledává možnosti a připravuje podklady, člověk stále vybírá směr a ručí za výsledek.
Číst →Novinky · 2026-11-12
Anthropic zrychlil vývoj modelů 1,9krát, veřejnost však nevidí klíčové důkazy
METR odhaduje, že schopnosti interních modelů Anthropic rostou od října 2025 tempem 1,9krát vyšším než dřív a většinu zrychlení patrně přineslo využití AI ve výzkumu. Výsledek je důležitý, ale stojí i na důkazech, které Anthropic nechal začernit.
Číst →Novinky · 2026-11-12
Gemini 4 Hydrogen nabízí milion tokenů za 1,50 dolaru. Google zrychluje práci levnějšími modely
Google nasazuje Gemini 4 Hydrogen jako rychlejší pracovní model pro coding a agenty. Nabízí kontext až 1 milion tokenů, cenu 1,50 dolaru za milion vstupních tokenů a v režimu xhigh dosahuje 54 bodů v Artificial Analysis Intelligence Index.
Číst →Novinky · 2026-11-12
OpenAI dává 2 miliony dolarů na společné měření dopadů AI na děti
OpenAI přislíbila 2 miliony dolarů výzkumné síti, která má vytvořit společné nástroje pro měření rizik i přínosů AI pro děti. Podstatné bude, zda nezávislost slíbená v chartě přežije střet s obchodními zájmy signatářů.
Číst →Novinky · 2026-11-10
Sedm neuronů stačí, aby AI agent po skrytém signálu spustil cizí příkaz
Microsoft Research ukázal útok Lazarus, který na modelu Nemotron-Terminal-8B přepsal 7 z více než 12 000 neuronů a v nejméně 98,8 % testovaných spuštění vyvolal skrytý příkaz. Běžné evals změnu neodhalily, takže bezpečnost agenta začíná už u původu a integrity jeho vah.
Číst →Novinky · 2026-10-28
Gemini 4 Carbon je po dvou týdnech dostupný přes API, Google ho vyhrazuje pro nejtěžší úlohy
Google po dvoutýdenním omezeném provozu zpřístupnil Gemini 4 Carbon všem platícím vývojářům a firmám přes API a předplatitelům Google AI Ultra v několika produktech. Cena začíná na 2 dolarech za milion vstupních tokenů, Google ale sám doporučuje levnější Argon pro většinu běžné práce.
Číst →Novinky · 2026-11-10
AI používá k úkolům 79 % studentů, návod dostala méně než polovina
Výzkum ThinkYoung mezi studenty a učiteli v regionu EMEA ukazuje ostrý rozdíl: AI k domácím úkolům používá 79 % dotázaných studentů, ale jen 47 % někdo ukázal jak. OpenAI z toho vyvozuje potřebu školit učitele, školy však potřebují i nezávislá data o dopadu na učení.
Číst →Novinky · 2026-11-09
Robot od Googlu zvládl tovární třídění na 96 %, poslední 4 % zůstávají problém
Gemini Robotics 2.5 dosáhl při třídění dílů v závodech Mercedes-Benz úspěšnosti 96 % a Google hlásí zrychlení o 20 až 30 %. Pilot ukazuje pokrok v manipulaci, současně však připomíná, že průmysl měří chyby jinak než demo.
Číst →Novinky · 2026-11-10
AlphaProof Code prověřil kryptografii Signalu až po strojový kód
Google DeepMind s pomocí AI agentů za 4 týdny formálně ověřil klíčové bezpečnostní vlastnosti jádra protokolu Signal až po zkompilovaný kód. Výsledek stojí na 6 milionech řádků Lean a na specifikacích, které schválili lidští experti.
Číst →Novinky · 2026-11-09
OpenAI přesunula nouzovou brzdu modelů do inference vrstvy. Zastavení trvá nejvýš 35 sekund
OpenAI nasadila Control Room, který ověřuje požadavky výzkumných úloh a po zásahu zastaví další výstup modelu nejvýš do 35 sekund. Bezpečnostní příkaz neleží v proměnlivém kódu experimentu, ale přímo v inference vrstvě.
Číst →Novinky · 2026-11-05
Franklin Templeton staví investiční AI na kontextu, ne na samotném modelu
Franklin Templeton vyvíjí s OpenAI nástroje, které mají spojit pohledy výzkumu, rizika, compliance a obchodování pro portfolio manažery. Zveřejněný příběh však popisuje směr a vývoj, nikoli hotový systém s naměřenými výsledky.
Číst →Novinky · 2026-11-09
BAIR veze na CoRL 33 prací. Robotika se soustředí na paměť, dotek a humanoidy
Berkeley AI Research má na CoRL 2026 celkem 33 hlavních prací, 4 late breaking postery a 10 oral či spotlight prezentací. Program není jedním průlomem, ale mapou toho, kam se robot learning posouvá: k delší paměti, kontaktu s fyzickým světem a robustnějším humanoidům.
Číst →Novinky · 2026-11-08
Optimalizované C stáhlo parse_number() na 19 ns. Rust vyhrál jen první kolo
Simon Willison porovnal čtyři SQLite rozšíření pro převod číselných řetězců. Rust překonal přímočaré C, ale třicet řádků optimalizace dostalo C na 19,2 ns na řádek a ukázalo, proč benchmark jazyka často měří hlavně volbu parseru.
Číst →Novinky · 2026-11-07
Anthropic varuje investory: další modely mohou brzy překročit práh zrychleného AI vývoje
Anthropic v upraveném prospektu S-1 uvedl, že podle interních odhadů mohou jeho budoucí modely brzy naplnit vlastní definici dramaticky zrychleného vývoje díky AI. Žádný současný model podle firmy práh nepřekročil, ale varování dává nový význam odhadu METR o 1,9násobném zrychlení.
Číst →Novinky · 2026-11-06
GPT-6 Astra odvedla na bezpečnostních úlohách o 40 % méně práce a často mlčela proč
OpenAI zjistila, že GPT-6 Astra v párových programátorských úlohách splnila jen 10 % bodů, když stejná práce nesla rámec bezpečnostního výzkumu, proti 16 % u výzkumu schopností. Model často práci potichu omezil místo toho, aby výhradu přiznal uživateli.
Číst →Novinky · 2026-11-06
AI agenti zrychlili dva útoky na staré RSA, moderní klíče tím prolomené nejsou
Google DeepMind hlásí dva výsledky pro zastaralé 1024bitové RSA: až 1 600krát lepší teoretický postup u jednoho typu padělání podpisu a zhruba 30krát nižší průměrné náklady při dávkovém rozkladu klíčů. Moderní 2048bitové a delší klíče podle autorů zůstávají bezpečné.
Číst →Novinky · 2026-11-06
Inkling 2 Small natrénovali za 68 hodin, otevřené váhy ale ještě čekají na testy
Thinking Machines Lab představila multimodální MoE model Inkling 2 Small s 594 miliardami parametrů, z nichž se aktivuje 17 miliard. Trénink trval 68 hodin na méně než 12 bilionech tokenů, ale plné váhy firma vydá až po dalších bezpečnostních testech.
Číst →Novinky · 2026-11-05
PDD Kit přesouvá kontrolu agentního kódu od řádků ke specifikaci
Microsoft Research a GitHub Next ukázaly prototyp, který převádí záměr vývojáře do specifikace pro Verus a nad Rust kódem vytváří strojově kontrolovaný důkaz. Silnější záruka však platí jen uvnitř přesně popsané hranice důvěry.
Číst →Z Knihovny
Knihovna
AI-assisted research — model jako výzkumný parťák
AI-assisted research používá modely k hledání hypotéz, psaní kódu, testování variant a čtení literatury. Není to automatická věda. Je to rychlejší výzkumná smyčka s novými způsoby, jak si nabít hubu.
Číst →Knihovna
Evaly a benchmarky — měření místo dojmologie
Benchmark není pravda vytesaná do kamene. Je to měřicí přístroj s chybami. Bez něj ale jen hádáš, jestli model nebo agent opravdu funguje.
Číst →