AI výskum

Nová metóda učí model odmietať iba škodlivú časť témy. Experiment s Qwen3-8B však ukázal ostrý kompromis: menej nebezpečných odpovedí sprevádzalo až 74 % odmietnutí bezpečných úloh v XSTest.

Výskumníci navrhli testovaciu metódu, ktorá po prvom vysvetlení odstráni neuvedené koncepty a model sa opýta znova. Má znižovať skryté vplyvy bez úpravy váh, výsledky sú však zatiaľ iba v novej nerecenzovanej práci.

Systém Proteus automaticky navrhuje a preveruje špecializované GPU jadrá. Databricks pri Qwen 3.5 122B hlási zrýchlenie jednotlivých operácií 1,8- až 5,2-násobne oproti implementáciám vo vLLM.

Výskumníci z University of Edinburgh rozdelili trénovanie 3D Gaussian Splattingu na priestorové bloky. Metóda ABCD drží na GPU iba aktívnu časť scény, no za úsporu pamäte zatiaľ platí výrazne dlhším tréningom.

Nová štúdia skúma blokovo riedke reprezentácie vnútorných stavov neurónových sietí. Metóda Tournament Top-K obmedzila štiepenie konceptov v syntetických testoch, no výsledky na veľkých reálnych modeloch zostávajú predbežné.

Prehľad prijatý na Findings of EMNLP 2026 zjednocuje metódy, ktoré nahrádzajú jedinú odmenu štruktúrovanými kritériami. Upozorňuje aj na významový posun a zneužívanie jazyka rubrík.

Výskumníci opisujú celoročnú produkčnú stopu platformy Chutes naprieč používateľmi, populárnymi aj menej využívanými modelmi. Sľubovaný súbor môže zlepšiť testovanie cache, plánovania kapacity a rozdeľovania záťaže, jeho verejné sprístupnenie a anonymizáciu však zatiaľ nemožno overiť.

Experiment s reálnym robotom ukazuje, že nejednoznačný pokyn nemusí vždy vyžadovať otázku človeku. Systém v 36 pokusoch striedal nové pozorovanie, spresnenie zámeru a výber objektu; výsledky sú sľubné, no zatiaľ pochádzajú iba z deviatich stolových scenárov.

Eye-trackingový preprint rozlišuje dve fázy odhaľovania lokálnych AI úprav: zachytenie pozornosti a správne vyhodnotenie obrazu. Veľkosť zásahu ovplyvňovala najmä pohľad, kým sémantická vierohodnosť rozhodovala o úsudku; výsledky však pochádzajú z malej online štúdie a zatiaľ neovereného modelu.

Výskumníci z Apple a Harvardu navrhujú pred unlearningom odfiltrovať tréningové body so zanedbateľným vplyvom na výstupy modelu. Na skúmaných jazykových a obrazových úlohách uvádzajú úsporu výpočtov až približne 50 %, nízky nameraný vplyv však sám osebe nedokazuje právne ani technicky úplné zabudnutie údajov.

Autonómny výskumný agent vytvoril overiteľné hranice, štrukturálnu redukciu a nový rámec na prehľadávanie Conwayovho 99-grafu. Podrobnosti práce zároveň ukazujú výrazný ľudský dohľad, limity všeobecných riešičov a rozdiel medzi čiastkovým skóre a matematickým dôkazom.

Kenny Chen ukázal prvú orákulovú separáciu, pri ktorej kvantový algoritmus s kvantovými príkladmi efektívne generuje cieľovú distribúciu, zatiaľ čo rovnako výkonný algoritmus s klasickými vzorkami potrebuje exponenciálne veľa dát. Ide o teoretický výsledok pre PAC generatívne učenie, nie o praktický návod na zrýchlenie dnešnej AI.