Исследование Google показало, что ИИ-бенчмарки игнорируют человеческий фактор
Исследование Google Research показало, что современные бенчмарки ИИ не учитывают разногласия между людьми, используя слишком мало оценщиков для тестов.
-
-
IBM интегрирует голосовые технологии ElevenLabs в свою платформу watsonx Orchestrate
IBM и ElevenLabs объединились, чтобы добавить естественное звучание корпоративным ИИ-агентам в платформе watsonx Orchestrate.
-
OpenAI нанимает узких специалистов для обучения ChatGPT тонкостям фермерства и пилотирования
OpenAI привлекает тысячи экспертов для обучения ChatGPT профессиональным навыкам в сельском хозяйстве, медицине и авиации.
-
Новая методика промптинга «полуформальное рассуждение» повысила точность ИИ-анализа кода до 93%
Исследователи из Meta* представили новую технику работы с искусственным интеллектом под названием «полуформальное рассуждение», которая позволяет большим языковым моделям проводить глубокий аудит кода без его реального запуска. Этот метод значительно повышает точность проверки патчей, сокращая при этом инфраструктурные затраты на тестирование.
-
В ассистенте Codex от OpenAI исправлены две уязвимости, а его плагин теперь работает с Claude Code
OpenAI представила плагин Codex, который позволяет запускать возможности их кодинг-ассистента внутри конкурирующей среды Claude Code. Это решение упрощает рабочий процесс разработчиков, предлагая стандартную проверку кода, глубокий «состязательный анализ» и возможность передачи фоновых задач модели Codex.
-
Контекстный ИИ в корпоративном сегменте может стать фундаментом для перехода к агентам
Анализ перехода от простых корреляционных моделей ИИ к контекстно-зависимым системам и роли качественных данных в развитии автономных агентов.
-
Google представила алгоритм TurboQuant, сокращающий объем KV-кэша без потери точности
Исследователи Google разработали TurboQuant — новый алгоритм квантования, который радикально сокращает объем KV-кэша и ускоряет работу языковых моделей.
-
Новый бенчмарк BullshitBench проверяет способность ИИ распознавать абсурдные задачи
Бенчмарк BullshitBench выявил неспособность ведущих ИИ-моделей распознавать абсурдные и логически противоречивые запросы, заставляя их галлюцинировать.
-
ИИ-модели при анализе кода стали реже ошибаться, но чаще бездействовать из-за осторожности
Исследование Sonatype выявило новую проблему ИИ в безопасности: вместо галлюцинаций модели теперь выбирают бездействие, оставляя уязвимости в коде.
-
Разделение инференса LLM: как Kubernetes адаптируют под специфику стадий prefill и decode
Переход от монолитного инференса к разделению стадий prefill и decode позволяет оптимизировать использование GPU, но требует сложной оркестрации в Kubernetes.
