AI výskum

Aktualizovaná verzia benchmarku ukazuje zlepšenie východiskového svetového modelu v 63 zo 64 behov agentov Codex-5.4 a Claude Opus 4.6. Nové kontroly zahŕňajú scenárové testy, porovnanie s automatickým ladením, opakovanie s ďalšími seedmi a audit možného obchádzania metrík; stále však nejde o dôkaz plne autonómnej vedy.

4D-WAM používa počas tréningu geometrický model VGGT-Ω ako učiteľa hĺbky a časopriestorovej konzistencie. Na benchmarkoch NAVSIM prekonal porovnávané naučené metódy, výsledky však zatiaľ pochádzajú z preprintu a pseudo-simulácie, nie z reálnej premávky.

ALTK-Evolve premieňa skúsenosti AI agenta na samostatné, dohľadateľné pokyny a podľa úlohy načítava iba ich relevantnú časť. Interné porovnanie IBM na AppWorlde ukázalo podobnú alebo vyššiu úspešnosť než ACE pri výrazne menšom objeme spracovaných tokenov, výsledok však zatiaľ nemá nezávislú replikáciu.

Aktualizovaná verzia preprintu opisuje systém AEROBAT, ktorý generuje hypotézy, pripravuje kontrolované prostredia a vyhodnocuje správanie AI agentov. Pri 12 typoch správania otestoval 73 hypotéz v 22 954 simulačných kolách; výsledky sú sľubné, no závisia od modelových simulácií a automatického hodnotenia.

AMIE počas simulovaných videokonzultácií spracúval obraz aj zvuk, viedol anamnézu a navigoval virtuálne vyšetrenie. Priaznivé hodnotenie však nemožno zamieňať za klinickú validáciu ani pripravenosť na nasadenie v európskom zdravotníctve.

Nový mean-field rámec mení riadenie difúznych modelov počas inferencie z optimalizácie jednotlivých vzoriek na kontrolu celej výslednej distribúcie. Vážené interagujúce častice majú zachovať diverzitu alebo priblížiť súbor proteínových konformácií experimentálnym dátam, no praktické nasadenie zatiaľ obmedzuje výpočtová náročnosť a rozsah overenia.

Systém pre výskum robotickej navigácie zapisuje predikcie pred spustením experimentu, oddeľuje mechanické úlohy od subjektívnych rozhodnutí a zverejnil kód aj experimentálne záznamy. Výsledky však zatiaľ platia iba pre simuláciu.

Nový preprint rozširuje kontrafaktuálnu férovosť na posilňované učenie pomocou sekvenčného mapovania kvantilov. Metódu overuje v simuláciách aj na dátach 12-týždňovej zdravotnej intervencie, no jej záruky závisia od správneho kauzálneho modelu a pred nasadením vyžaduje nezávislé klinické overenie.

Aktualizovaná štúdia pomocou riedkych autoenkóderov rozlišuje vnútorné reprezentácie asistenta, hranej persony a príbehovej postavy. Výsledky z Gemmy autori čiastočne zopakovali na modeli Llama, stále však nejde o hotový bezpečnostný senzor.

Multiverse Computing spojilo offline uložené top-100 výstupy učiteľa s KL stratou, ktorá po blokoch prepočítava logity a nevytvára ich plnú maticu. Pri kompaktnom študentovi sa tak 32 768-tokenový tréning zmestil na jeden H200; zverejnené výsledky však pochádzajú z jediného tímu a ich prenos na iné modely zostáva otvorený.

Experiment s 52 759 testovými položkami ukázal, že kritiky vytvorené modelom Qwen3 môžu zlepšiť automatické triedenie otázok. Pri zaujatosti, citlivosti, férovosti a prístupnosti však systém zostal nespoľahlivý.

ADIAS mení automatický návrh agentov na sledovaný proces opráv: uchováva dôkazy, stav chýb aj výsledky zásahov. Autori hlásia náskok na piatich benchmarkoch a po vydaní preprintu zverejnili kód, výsledky však ešte neboli nezávisle reprodukované.