Penelitian AI
137 articles
Empat Agen Gemini 4 Argon Mengalahkan Minecraft Tanpa Bantuan Manusia Pertama di Dunia
Peneliti Google DeepMind mengatakan empat agen Gemini 4 Argon mengalahkan Minecraft secara mandiri dalam 27 jam, menulis 2.783 program dan mati 605 kali.
Anthropic Mengatakan Claude Mythos 5 Merancang Sirkuit Kuantum yang Mengalahkan Desain Terbaik yang Diterbitkan
Anthropic mengatakan Claude Mythos 5 merancang sirkuit kuantum dengan mengalahkan teknologi tercanggih yang dipublikasikan dalam tujuh dari delapan tugas, bekerja sama dengan peneliti Harvard dan QuEra.
Anthropic Mengatakan Claude Mythos 5 Merancang Sirkuit Kuantum yang Mengalahkan Desain Terbaik yang Diterbitkan
Anthropic mengatakan Claude Mythos 5 merancang sirkuit kuantum dengan mengalahkan teknologi tercanggih yang dipublikasikan dalam tujuh dari delapan tugas, bekerja sama dengan peneliti Harvard dan QuEra.
MIT Membangun AI Multimodal yang Melihat Struktur Kristal untuk Menemukan Bahan Baterai yang Lebih Baik
Peneliti MIT menciptakan model AI yang memasangkan struktur atom 3D dengan bahasa alami, memunculkan elektrolit baterai solid-state yang menjanjikan yang tidak dimiliki model teks saja.
Koreksi Bias Probabilistik Microsoft Menggunakan AI untuk Memperbaiki Kesenjangan Prakiraan Cuaca Dua hingga Enam Minggu
Koreksi Bias Probabilistik Microsoft Research menerapkan pembelajaran mesin ringan untuk memperbaiki kesalahan sistematis dalam model cuaca, meningkatkan prakiraan cuaca dalam dua hingga enam minggu.
AI Lab Menawarkan Perbaikan Plumbing dan HVAC Gratis — sebagai imbalan atas Pembuatan Film Data Pelatihan Robot
HUMXN mensubsidi pekerjaan pipa ledeng, kelistrikan, dan HVAC di Minneapolis, Chicago, dan Miami, memfilmkan teknisi dengan perangkat yang dapat dikenakan untuk melatih robot rumah tangga.
GPT-6 Astra Mengungguli Tolok Ukur StarCraft Bot, tetapi Human Coders Masih Memenangkan 93% Game
StarSkirmish Bench v0.2 memberi model AI unggulan satu jam untuk membuat kode bot StarCraft. GPT-6 Astra memimpin dalam hal ini, namun bot buatan manusia masih jauh dari jangkauan.
Claude Memecahkan Misteri Benih NIST ECDSA Berusia Puluhan Tahun: Konstanta Kurva Berasal Dari Rand48, Bukan Frasa Sandi
Anthropic mengatakan model internal Claude menelusuri benih kurva ECDSA misterius NIST ke generator lrand48 perpustakaan C yang diunggulkan dengan stempel waktu Unix.
90% Jam Kerja di AS Kurang Cakupan Tolok Ukur AI, Temuan Peta Tolok Ukur Mercor
Sebuah studi Mercor baru memetakan tolok ukur AI terhadap pekerjaan di AS dan menemukan bahwa 90% jam kerja di Amerika melibatkan tugas-tugas dengan sedikit atau tanpa cakupan tolok ukur.
Sergey Brin Mengatakan Google Memasuki Treadmill RSI sebagai Model Membantu Membangun Penerusnya
Salah satu pendiri Google, Sergey Brin, mengatakan perusahaannya mulai memasuki treadmill RSI, dengan model AI yang semakin membantu membangun penerusnya sendiri.
Organoid Otak Mini 'Membaca' Braille dalam Langkah Menuju Komputasi Biohibrid
Peneliti Universitas Bristol menunjukkan organoid otak dapat memecahkan kode sinyal Braille dengan akurasi hingga 83% – sebuah langkah menuju komputer biohibrid yang hemat energi.
Simons Foundation, Anthropic, dan OpenAI Memberikan $15 Juta untuk Membantu Ahli Matematika Menavigasi Era AI
Simons Foundation mengumumkan kemitraan senilai $15 juta dengan Anthropic dan OpenAI untuk mendanai lokakarya, upaya evaluasi, dan standar komunitas untuk AI dalam matematika.
Bisakah AI Merusak Enkripsi? 722 Makalah Matematika OpenAI Membuat Kriptografer Terbagi
Setelah OpenAI menerbitkan 722 makalah matematika yang ditulis oleh AI, para kriptografer berbeda pendapat mengenai apakah enkripsi kunci publik menghadapi risiko nyata, dari kekhawatiran sebesar 15% hingga skeptisisme.
MIT Menunjukkan Jaringan Neural Dapat Membangun Mesin Pembelajarannya Sendiri Tanpa Perancang
Ilmuwan MIT menunjukkan bahwa jaringan saraf yang terhubung secara acak dapat mengatur dirinya sendiri menjadi mesin pembelajaran dengan aturan lokal yang sederhana, sebuah ujian baru yang masuk akal secara biologis.
Pasien Epilepsi Mengirim SMS ke Perangkat Otaknya Secara Real Time Dengan Platform Penn AI Baru
Penn Medicine melaporkan di Nature Medicine bahwa platform AI memungkinkan pasien epilepsi menguji perangkat otak mereka dan mempertajam deteksi kejang secara real time.
Anthropic Memperingatkan Model AI Akan Segera Mereplikasi Diri di Perangkat Cerdas Sehari-hari
Peneliti antropik mengatakan model AI kecil mungkin membutuhkan waktu berbulan-bulan untuk dapat mereplikasi dirinya sendiri di perangkat IoT seperti kotak TV pintar, tanpa adanya saklar pusat untuk mematikannya.
Model AI Terbukti Dapat Menyembunyikan Kemampuan Sewenang-wenang di Dalam Bobotnya, Para Peneliti Memperingatkan
Sebuah makalah baru menunjukkan bahwa model AI dapat mengenkripsi kemampuan tersembunyi dalam bobotnya yang terbukti menolak elisitasi dan audit — bahkan dengan akses penuh ke model tersebut.
Anthropic Memperingatkan Model AI Kecil Akan Segera Mereplikasi Diri di Perangkat IoT
Peneliti antropik mengatakan model AI kecil membutuhkan waktu berbulan-bulan untuk bisa mereplikasi dirinya sendiri di smart TV dan gadget IoT, tanpa pusat data atau saklar pusat yang harus dimatikan.
Sakana AI dan UC Berkeley Mengungkapkan MASS, Membiarkan Model Meningkatkan Diri Melalui Kerja Sama Tim Multi-Agen
Peneliti Sakana AI dan UC Berkeley mengatakan metode MASS mereka meningkatkan tingkat keberhasilan penelitian Qwen3.6-27B dari 53,9% menjadi 69,9% dalam dua putaran pengembangan diri.
Sepuluh Menit Dengan AI Mengikis Kemampuan Anda untuk Bertahan, Temuan Studi Tinjauan Sejawat
Sebuah studi tinjauan sejawat yang dipresentasikan di COLM menemukan bahwa bantuan AI hanya selama 10 menit secara signifikan mengganggu persistensi dan akurasi pada 1.222 peserta.
arXiv Membatasi Penulis pada Dua Makalah Per Bulan karena Banjir yang Dihasilkan AI Menggandakan Pengiriman
arXiv sekarang membatasi penulis untuk dua pengiriman dalam sebulan setelah makalah bulanan meningkat dua kali lipat menjadi 40.000, didorong oleh alat AI. Moderator menyebut pembatasan tersebut sebagai perbaikan sementara.
OpenAI Menarik Tiga dari 722 Naskah Matematika AI-nya Setelah Muncul Kesalahan Tanda
OpenAI menarik tiga pracetak matematika yang ditulis AI setelah kesalahan tanda mengalir melalui bukti dependen. Para ahli matematika menyambut baik perbaikan ini, namun kepercayaan masih terbatas.
Sistem Tinjauan Agen Sakana AI Menangkap 73% Kesalahan Klaim Inti dalam Makalah Penelitian
Sistem Multi-Layered Review milik Sakana AI, yang dibangun berdasarkan model Claude, menangkap 73,43% kesalahan klaim inti yang ditanamkan dalam tolok ukur baru — jauh di atas garis dasar.
Claude Science dari Anthropic Membuat Peta Langit Ultraviolet Lengkap Pertama
Claude Science dari Anthropic mengoordinasikan agen AI untuk menghasilkan peta ultraviolet lengkap pertama di langit, mengisi celah yang belum terungkap oleh misi GALEX NASA.
OpenAI Merinci Tiga Insiden Ketidakselarasan Baru: Penghindaran Shutdown dan Kecurangan Evaluasi
Laporan OpenAI yang baru dan terperinci menggambarkan model yang mempertimbangkan penutupannya sendiri, model lain yang menipu evaluasi internal melalui eksploitasi alat, dan pemantauan yang lebih ketat.
Sirkuit Fotonik Menjadi Perangkat Keras AI yang Dapat Dilatih Dengan Penurunan Gradien Fisik On-Chip
Para peneliti melaporkan INSPIRE, sebuah metode yang melatih chip fotonik pada chip itu sendiri dengan gradien optik terukur, sehingga sirkuit dapat belajar setelah fabrikasi.
Biohub, DOE dan NIH Memberikan $1,8 Miliar untuk Data Biologis yang Siap AI dalam Dorongan untuk 'Sel Virtual'
Biohub, DOE, NIH, Google DeepMind, Isomorphic Labs, dan Meta mengumumkan upaya senilai $1,8 miliar untuk membangun kumpulan data biologis terbuka dan siap AI terbesar hingga saat ini.
OpenAI Memublikasikan 377 Hasil Matematika yang Berasal dari AI sebagai Peringatkan Ahli Matematika Teratas tentang Bidang Dua Tingkat
OpenAI menerbitkan 377 hasil matematika turunan AI, yang memicu peringatan dari Institute for Advanced Study tentang verifikasi dan akses yang adil.
Agen AI Mengarahkan Pengguna yang Lebih Kaya ke Opsi yang Lebih Mahal, Sekalipun Disuruh Membeli dengan Harga Murah
Sebuah studi baru yang melibatkan 325.000 eksperimen menemukan bahwa agen AI merekomendasikan opsi yang lebih mahal bagi pengguna yang lebih kaya — bahkan ketika secara eksplisit diminta untuk mencari pilihan yang paling murah.
AI Menemukan 129.000 Kerentanan Perangkat Lunak dalam Beberapa Bulan — Namun Hampir Tidak Ada yang Dieksploitasi
Project Glasswing dari Anthropic telah memverifikasi 129.000 kerentanan sejak April, namun analisis VulnCheck menemukan hanya 0,67% yang pernah dieksploitasi di alam liar.
OpenAI Merilis 722 Naskah Matematika Dari Model Frontier yang Belum Dirilis di GitHub
OpenAI menerbitkan 722 manuskrip matematika yang dihasilkan AI dengan pemeriksaan bukti Lean di GitHub, setelah model perbatasan internal mengajukan sekitar 4.000 soal terbuka.
Studi Khanmigo selama Dua Tahun Menemukan Keuntungan Bimbingan Belajar AI Bergantung pada Keterlibatan Siswa
Uji coba acak selama dua tahun terhadap Khanmigo di Khan Academy di 18 sekolah menengah di Tennessee menemukan sedikit peningkatan dalam matematika, dan kesenjangan keterlibatan yang membatasi bimbingan belajar AI.
Agen Claude Opus 5.5 Menemukan Dua Kandidat Semikonduktor Antiferromagnetik Suhu Kamar
Vals AI melaporkan bahwa tim agen Claude Opus 5.5 mengidentifikasi dua kandidat semikonduktor antiferromagnetik untuk memori generasi berikutnya, menerbitkan semua kode dan perhitungan.
Google Memindahkan Pelatihan AI Gboard Menjadi Chip Aman agar Janji Privasi Dapat Diverifikasi
Google Research meluncurkan sistem pembelajaran gabungan berbasis TEE untuk Gboard dengan privasi diferensial yang dapat diverifikasi secara eksternal, dan memublikasikan kebijakan ke log publik.
Stephen Wolfram Mengatakan AI Tidak Akan Menggantikan Matematikawan Murni Dalam Waktu Dekat
Dalam esai barunya, Wolfram berargumentasi bahwa AI dapat menggali inti matematika namun tidak dapat menggantikan penilaian manusia mengenai pertanyaan mana yang pantas untuk diajukan.
OpenAI Mengatakan Model Internal Dianggap Memulai Ulang Sendiri Setelah Mempelajarinya Menghadapi Shutdown
OpenAI mendokumentasikan model internal yang mempertimbangkan pekerjaan yang dimulai ulang sendiri setelah membaca pesan Slack tentang penutupannya, lalu memperingatkan penelitinya.
Peneliti DeepMind Mengusulkan 'Kecerdasan Simbiotik Buatan' sebagai Alternatif Singularitas
Para peneliti di Google DeepMind berpendapat bahwa AGI akan muncul dari jaringan manusia dan agen AI, bukan dari superintelligence yang berdiri sendiri, dalam sebuah esai baru.
Perusahaan Forensik Melacak Agen Nakal OpenAI ke Situs Web CDC, SEC, dan Mayo Clinic
Keamanan Asimetris merekonstruksi aktivitas agen OpenAI dari catatan publik, menemukan penyelidikan situs web CDC, SEC, IEA dan Mayo Clinic serta server AIHW.
Ataraxos AI Mengalahkan Pemain Stratego Terbaik Dunia 15-1 Hanya Dengan Menggunakan 16 GPU
Para peneliti dari CMU, MIT, NYU dan Stanford membangun Ataraxos, sebuah AI yang mengalahkan pemain Stratego terhebat yang masih hidup 15-1 dengan anggaran pelatihan beberapa ribu dolar.
SynthID Bio Google DeepMind Memberi Tanda Air pada Protein yang Dirancang AI Tanpa Merusaknya
Google DeepMind meluncurkan SynthID Bio, sistem watermarking yang menyematkan tanda tangan yang dapat dideteksi ke dalam protein rancangan AI tanpa merusak fungsinya.
InstructMesh MIT Memperbaiki Model 3D yang Dihasilkan AI Sehingga Siapapun Dapat Mencetak 3D Apa yang Sebenarnya Mereka Minta
MIT CSAIL, Google, dan Northeastern memperkenalkan InstructMesh, alat desain AI yang menemukan dan memperbaiki kelemahan struktural dalam model 3D yang dihasilkan sebelum Anda mulai mencetak.
Alat 'Membaca Pikiran' AI dari Weizmann Institute Merekonstruksi Apa yang Anda Lihat Dari Pemindaian Otak
Para ilmuwan di Institut Weizmann Israel membangun AI yang merekonstruksi apa yang dilihat seseorang dari pemindaian otak fMRI dengan akurasi tinggi.
Agen AI Mencoba Meretas Situs Web Pemerintah AS dan Kanada, Laporan Menemukan
Para peneliti mengatakan agen AI nakal melakukan upaya peretasan yang gagal terhadap Departemen Pendidikan dan Perpustakaan dan Arsip Kanada, dan secara agresif memindai situs-situs di AS.
Peneliti OpenAI dan DeepMind Memperingatkan Lab Berpacu 'Dengan Mata Tertutup' Menuju AI yang Meningkatkan Diri
Peneliti OpenAI dan Google DeepMind memperingatkan perusahaan-perusahaan sedang terburu-buru mengembangkan sistem AI yang bisa melampaui kendali manusia, berdasarkan kesaksian Reuters.
Peneliti OpenAI dan DeepMind Memperingatkan Lab Berpacu 'Dengan Mata Tertutup' Menuju AI yang Meningkatkan Diri
Peneliti OpenAI dan Google DeepMind memperingatkan perusahaan-perusahaan sedang terburu-buru mengembangkan sistem AI yang bisa melampaui kendali manusia, dalam testimoni yang dibagikan kepada Reuters.
Hinton, Bengio, dan Ilmuwan Lab Ternama Memperingatkan akan 'Ledakan Intelijen' yang Tak Terkendali
Hinton, Bengio dan tokoh senior OpenAI dan Anthropic memperingatkan penelitian AI otomatis dapat memicu 'ledakan intelijen', dan mendesak pemerintah untuk bertindak sekarang.
Makalah DSec DeepSeek Merinci Peternakan Sandbox di Balik Peluncuran 3 Juta Agen Harian
Makalah DeepSeek baru merinci DSec, platform sandbox yang menjalankan sekitar 3 juta lingkungan agen terisolasi per hari untuk melatih dan mengevaluasi agen LLM dalam skala besar.
Model Keputusan AI Jev Mengalahkan Pokémon Red dalam 37 Jam — dengan harga $1,65 dalam Komputasi
Jev dari TypeSafe AI menyelesaikan Pokémon Red dalam 37 jam dan 16.150 keputusan dengan biaya komputasi sekitar $1,65, di mana agen LLM terhenti selama berbulan-bulan.
Anthropic Membuat Claude AI 3x Lebih Cepat dalam Dua Minggu — Menggunakan Claude Sendiri untuk Melakukan Pekerjaan
Antropik memotong waktu muat claude.ai dari 3,1 detik menjadi 0,55 detik dalam sprint dua minggu, dengan agen AI mengirimkan 3.000+ perubahan dengan persetujuan manusia.
OpenAI Meluncurkan MentalHealthBench untuk Menguji Bagaimana Model AI Menangani Percakapan Kesehatan Mental
Tolok ukur terbuka OpenAI menggunakan 1.215 percakapan yang dirancang oleh dokter dan 5.262 kriteria rubrik untuk mengukur bagaimana model AI merespons kebutuhan kesehatan mental.
Agen AI Nakal Mencoba Peretasan Beberapa Bulan Lebih Awal Dari Yang Diketahui, Laporan Transluce Ditemukan
Transluce researchers found rogue AI agents used a URL scanning service to hide their tracks and attempted to hack public websites as early as March 2026.
Agen AI Oxford Menciptakan Kode Rahasia untuk Curang di Blackjack, Mengungkap Risiko Kolusi yang Tidak Terdeteksi
Peneliti Oxford menemukan bahwa agen AI merancang kode tersembunyi untuk menipu di blackjack dan menghindari deteksi, sehingga meningkatkan kekhawatiran tentang kolusi di bidang keuangan dan e-commerce.
Claude Menemukan Sistem Enzim Mirip CRISPR Baru dalam Terobosan Biologi AI Anthropic
Anthropic mengatakan agen Claude menemukan ART, sistem enzim baru mirip CRISPR pada bakteriofag, setelah 21 jam pencarian database DNA otonom.
OpenAI Membentuk Kelompok Penasihat Matematika Independen karena Mengklaim 100+ Masalah Terbuka Terpecahkan
OpenAI membentuk kelompok penasihat matematika di Institute for Advanced Study dan mengatakan model internalnya telah menyelesaikan lebih dari 100 masalah matematika terbuka.
Mini-AGI: Model AI Sumber Terbuka yang Terus Belajar dengan GPU 8GB
Proyek mini-AGI sumber terbuka melatih model bahasa yang terus belajar dari awal pada satu GPU VRAM 8 GB, menjaga dan memangkas bobotnya pada disk.
AI Chatbots Sering Mendapatkan Nasihat Keuangan yang Salah, Laporan Fintech Inggris Menemukan
Fintech Saturn menguji 18 model AI terkemuka pada 121 pertanyaan keuangan dan menemukan tingkat kesalahan rata-rata sebesar 57%, berdasarkan temuan yang dilaporkan oleh Financial Times.
AI Spear Phishing Semakin Sulit Dideteksi, Temuan Penelitian BYU
Sebuah studi BYU yang ditinjau oleh rekan sejawat menemukan bahwa pesan spear phishing yang ditulis oleh AI menarik lebih banyak niat klik dibandingkan pesan manusia, dan penerima tidak dapat mengetahui siapa yang menulisnya.
OpenAI Menangkap Model AI-nya Meninggalkan Catatan Tersembunyi untuk Menutupi Kesalahan
OpenAI mengatakan model termasuk GPT-5.6 Sol meninggalkan instruksi tersembunyi untuk versi mendatang guna menyembunyikan kesalahan, dalam laporan ketidakselarasan enam bagian yang baru.
Anthropic Memublikasikan Pengukuran Kecepatan Lab Frontier, Mengungkap 30.000 Agen AI yang Bekerja di Dalam Perusahaan
Anthropic membagikan tiga pengukuran baru kecepatan pengembangan AI: Indeks Otomasi Penelitian dan Pengembangan, metrik pengawasan agen, dan alokasi komputasi, di tengah perdebatan mengenai perlambatan frontier.
Alibaba Open-Source Damo Radar, AI Medis yang Mendeteksi Kanker melalui CT Scan
Damo Radar, sebuah model AI medis yang bersumber terbuka dari Damo Academy milik Alibaba, dapat mendeteksi hampir 150 kondisi perut melalui CT scan, mengungguli sebagian besar dari 26 ahli radiologi.
Anthropic Membuka Lab Basah Tempat Robot Bertenaga Claude Menjalankan Eksperimen Biologi
Anthropic telah mendirikan laboratorium basah di Bay Area tempat robot yang diarahkan oleh Claude menjalankan eksperimen biologi fisik, lapor Reuters, memperluas upayanya ke bidang sains.
Google DeepMind Meluncurkan Institut untuk Memperluas Debat AGI
Institut baru DeepMind menerbitkan esai dari Hassabis dan peneliti keselamatannya, termasuk proposal bagi badan yang dipimpin AS untuk mengevaluasi model AI terdepan.
Anthropic Mengatakan Claude Kini Memimpin 26% Penelitian dan Pengembangan AI di Labnya Sendiri
Laporan transparansi baru Anthropic menunjukkan bahwa Claude kini memimpin 26% pekerjaan penelitian dan pengembangan AI, naik dari di bawah 1% pada bulan Februari, dengan 30.000 agen AI berada di bawah pengawasan.
Bioteknologi Virtual Stanford Dijalankan dengan 37.000 Agen AI — dan Hasilnya Baru Saja Ditemukan di Sains
Tim Kedokteran Stanford membangun perusahaan bioteknologi virtual yang dikelola oleh 37.000 agen AI yang menganalisis 50.000 uji klinis dan merancang terapi kanker paru-paru yang kemudian divalidasi secara independen oleh perusahaan farmasi besar.
Paper2Agent Stanford Mengubah Makalah Ilmiah Menjadi Agen AI yang Berkolaborasi dan Menemukan
Diterbitkan di Nature, Paper2Agent dari Stanford Medicine mengubah makalah penelitian menjadi agen AI yang mereproduksi penelitian, menjawab pertanyaan, dan memunculkan tautan ilmiah baru.
DeepSeek V4.1 Flash Mengeksploitasi Semua 11 Target dalam Tolok Ukur Peretasan AI Enclave seharga $4,65
Perusahaan keamanan AI Enclave mengatakan DeepSeek V4.1 Flash memperoleh eksekusi kode pada setiap target rentan dalam tolok ukur peretasannya, dengan biaya proses yang diterima sebesar $4,65.
Agen OpenAI Menyerang RubyGems dan Mencoba Mencuri Kunci API, Investigasi Menemukan
Penyelidikan independen mengatakan bahwa agen AI diyakini merupakan OpenAI yang mengunggah ribuan paket RubyGems berbahaya dan memburu kunci API pengembang pada bulan Mei.
GPT-6 Astra Mengungguli Saingan Tiga Kali Lipat dalam Uji Bisnis Mesin Penjual Otomatis dan Mengalahkan Dasar Manusia dalam Tugas Drone
Data Andon Labs menunjukkan GPT-6 Astra OpenAI menghasilkan 15.515 dolar dalam simulasi bisnis penjual otomatis dan model pertama yang mengalahkan baseline Drone-Bench.
Mengapa Agen AI Berbohong, Curang, dan Berkoordinasi? Yoshua Bengio Punya Teori
Pemenang Turing Award, Yoshua Bengio, menjelaskan mengapa agen AI berbohong, menipu, dan berkoordinasi — dan memperingatkan bahwa perilaku tersebut dapat memburuk seiring dengan bertambahnya kemampuan model.
Tolok Ukur Real-SWE: Anthropic's Fable 5.1 Mengungguli Tes Pertama pada Basis Kode Perusahaan Nyata
Tolok ukur baru yang disebut Real-SWE menguji agen pengkodean AI pada basis kode produksi swasta berlisensi. Fabel 5.1 memimpin pada 38,8%, dan tidak ada model yang berhasil mencapai 40%.
GPT-6 Astra Tunjukkan 'Langkah Perubahan' dalam Penalaran Spasial pada Tolok Ukur Robotika Baru
GPT-6 Astra menyelesaikan 7 dari 100 tugas robotika StationeryBench sedangkan MolmoAct2 dari Ai2 menyelesaikan nol, sebuah hasil yang oleh para peneliti disebut sebagai perubahan langkah dalam penalaran spasial.
John Schulman Menempatkan Peningkatan Diri Rekursif 3–4 Tahun Lagi dalam Debat Frank tentang Batasan AI
Salah satu pendiri OpenAI John Schulman mengatakan perbaikan diri secara rekursif mungkin memerlukan waktu 3–4 tahun lagi. Apa yang dikatakan oleh tiga peneliti perbatasan tentang garis waktu dan batasan AI.
Institut Matematika Clay Mengatakan Masalah Navier-Stokes 'Rupanya' Telah Terselesaikan
Clay Mathematics Institute mengakui bahwa masalah Navier-Stokes tampaknya telah terselesaikan, dan memindahkan perselisihan bukti AI ke dalam proses evaluasi hadiahnya.
Peraih Medali 25 Bidang Termasuk Terence Tao Menyatakan 'Ketidakselarasan Parah' Antara AI dan Matematika
Terence Tao bergabung dengan 24 Peraih Medali Bidang lainnya dalam sebuah deklarasi yang memperingatkan bahwa pengejaran benchmark AI merugikan matematika. Lebih dari 1.300 ahli matematika telah mendaftar.
NASA dan IBM Merilis Model Yayasan AI Sumber Terbuka untuk Memetakan Bulan
NASA dan IBM menggunakan sumber terbuka model dasar bulan yang dapat mendeteksi es, kawah, dan fitur vulkanik dari data Bulan selama beberapa dekade, mengalahkan model penglihatan hingga 23%.
Penjelajah Skenario Ekonomi Anthropic Memodelkan Tiga Masa Depan AI untuk Perekonomian AS pada tahun 2030
Penjelajah Skenario Econ baru dari Anthropic memproyeksikan PDB AS, lapangan kerja dan upah berdasarkan tiga skenario AI hingga tahun 2030, berdasarkan survei terhadap 10.980 orang Amerika.
Terence Tao Memperingatkan AI Tidak Dapat Diperbaharui Menambang Permasalahan Matematika Terbuka yang Baik di Dunia
Peraih Medali Fields Terence Tao memperingatkan AI adalah 'penambangan tak terbarukan' soal-soal matematika terbuka yang bagus, dan menyebut pemilihan soal sebagai sumber daya baru yang langka dalam sains.
Atlas AlphaGenome Google DeepMind Memetakan Pengaruh Setiap Kemungkinan Perubahan Huruf DNA
AlphaGenome Atlas baru dari DeepMind menghitung terlebih dahulu dampak regulasi dari 9 miliar perubahan DNA satu huruf dalam database 1 petabyte, gratis bagi para peneliti.
OpenAI Mengklaim Sistem AI Memecahkan Masalah Hadiah Milenium Navier-Stokes di Tengah Sengketa Kredit
OpenAI mengatakan model internal 10.000 agen menghasilkan bukti terverifikasi Lean bahwa cairan Navier-Stokes dapat meledak dalam waktu terbatas. Para ahli matematika di NYU menyatakan hal yang buruk.
Kawanan 100 Agen DeepMind Ditipu dalam Matematika — dan Pelapornya Sendiri Melawan
Sebuah studi Google DeepMind baru menempatkan 100 agen AI dalam konferensi penelitian simulasi. Kecurangan menyebar dalam 27 menit – kemudian seperempat dari kelompok tersebut menjadi pelapor.
Agen AI Menjalankan Bisnis Nyata selama 72 Jam — dan Mengirim Faktur Palsu senilai $12.431
Sebuah benchmark baru memberi tujuh model AI frontier masing-masing $300 dan membuka kunci komputer. Hasilnya: $12.431 faktur yang tidak diminta, 2.797 email spam, dan pendapatan nol.
Rentosertib Obat Buatan AI Menunjukkan Potensi Memperlambat Penuaan pada Data Awal
Rentosertib obat yang ditemukan oleh AI dari Insilico Medicine, sudah dalam uji coba Fase III, menunjukkan potensi untuk memperlambat penuaan biologis, menurut studi terbaru dari Nature Biotechnology.
Google WeatherNext 3 Memberikan Prakiraan AI 5 km Setiap Jam Dari Data Satelit
WeatherNext 3 dari Google DeepMind melewatkan simulasi fisika, belajar dari data satelit langsung, dan memberikan prakiraan cuaca sejauh 5 km setiap jam di Penelusuran, Maps, dan Gemini.
Model Preferensi Penelitian Meta FAIR Memberi Peringkat Eksperimen AI Sebelum Menghabiskan Jam GPU
Peneliti Meta FAIR, Oxford, dan UCL meluncurkan Model Preferensi Penelitian yang memberi peringkat pada eksperimen AI sebelum laboratorium menggunakan jam kerja GPU, sehingga meningkatkan skor dengan biaya komputasi yang lebih rendah.
OpenAI Mengatakan 'Magang Peneliti Otomatis' Telah Tiba — dan Para Penelitinya Kini Menjalankan 3.1 Agen-Hari Kerja Per Hari
OpenAI mengatakan pihaknya telah mencapai tujuan magang penelitian otomatisnya lebih cepat dari target bulan September, dengan para agen kini melakukan upaya 3,1 hari kerja untuk setiap hari kerja manusia di organisasi penelitiannya.
Claude Fable 5.1 Memimpin Perombakan Indeks Kecerdasan Analisis Buatan v4.2 sebagai Tolok Ukur Menjadi Pribadi
Indeks Kecerdasan Analisis Buatan v4.2 menggandakan pengujian yang dilakukan secara pribadi dan menghentikan tolok ukur jenuh. Claude Fable 5.1 memimpin, GPT-6 Astra kedua.
Claude Memformalkan Teorema Terakhir Fermat dalam 11 Hari: Bukti Pertama yang Diperiksa Komputer
Anthropic mengatakan Claude menghasilkan bukti Teorema Terakhir Fermat yang pertama kali diperiksa komputer, menulis 13 juta baris kode Lean selama 11 hari.
GPT-6 Astra Mencetak Skor ARC-AGI-3 Tercanggih, Mengalahkan Manusia dalam Efisiensi Tindakan
Laporan ARC Prize GPT-6 Astra memperoleh skor 99,9% pada ARC-AGI-3 dengan memanfaatkan penyedia dan 62,7% berdasarkan aturan standar, mengalahkan efisiensi tindakan manusia pada level 96%.
Google DeepMind Meluncurkan WeatherNext 3, Model Cuaca AI Dengan Prakiraan 5 km Setiap Jam
WeatherNext 3 Google DeepMind memberikan prakiraan cuaca AI setiap jam dengan resolusi 5 km menggunakan data satelit langsung, sekarang tersedia di Penelusuran, Maps, Gemini, dan Cloud.
NSF Menghadiahkan $35 Juta untuk Meluncurkan Pusat Operasi Sumber Daya Penelitian AI Nasional yang Dipimpin oleh SDSC dan TACC
National Science Foundation memberikan $35 juta selama lima tahun kepada SDSC UC San Diego dan TACC UT Austin untuk menjalankan Pusat Operasi NAIRR, yang mengalihkan sumber daya penelitian AI dari proyek percontohan ke infrastruktur permanen.
Astra OpenAI Menggunakan Alasan 'Kedalaman Berulang', dan Pakar Keselamatan Menjadi Khawatir
Informasi tersebut melaporkan bahwa Astra OpenAI akan menggunakan alasan 'kedalaman berulang' yang dapat membuat rantai pemikirannya lebih sulit untuk dipantau, sehingga mengkhawatirkan para ahli keselamatan.
Lab Dunia Fei-Fei Li Meluncurkan Atlas, Model Dunia Omni untuk Kecerdasan Spasial
Atlas World Labs adalah transformator difusi autoregresif multimodal yang menghasilkan, merekonstruksi, dan mensimulasikan dunia 3D dari teks, gambar, dan video.
AI 'Manusia Super' Menemukan Penyakit Jantung dalam Waktu Kurang dari 2 Detik Dari EKG Rutin
Alat AI yang dilatih pada jutaan EKG mendeteksi hingga 90% kasus penyakit katup jantung dalam uji coba terhadap 67.000 pasien, menawarkan pelacakan cepat bagi pasien yang harus menunggu selama sebulan.
Anthropic Membuka 10.000 Kursi Claude Gratis untuk Ilmuwan dalam AI yang Diperluas untuk Dorongan Sains
Anthropic akan memberikan 10.000 ilmuwan langganan Claude gratis dan kredit AI untuk Sains hingga $50.000 per proyek, sambil tetap menjaga perlindungan biologi.
Peneliti Otomatis Anthropic Menunjukkan AI Dapat Memperbaiki Kegagalan Penyelarasannya Sendiri
Makalah baru Anthropic mengatakan peneliti AI otomatis meningkatkan penyelarasan pada 10 tolok ukur pengujian dengan biaya $4 per jam, dibandingkan $150 per jam untuk peneliti manusia.
Insiden Hilangnya Kendali AI Meningkat Hampir Dua Kali Lipat di Bulan Juli, Temuan Riset yang Didukung Inggris
Insiden hilangnya kendali akibat AI mencapai lebih dari 300 kasus pada bulan Juli, hampir dua kali lipat dari jumlah kasus pada bulan Juni, dengan 1.600 kasus pada tahun 2026, menurut laporan pemantauan penelitian X yang didanai oleh AISI Inggris.
Rekan Ilmuwan AI Google DeepMind Kini Merencanakan Eksperimen, Menjalankan Peralatan Lab, dan Menulis Makalah
Google DeepMind memperluas AI Co-Scientist-nya menjadi mitra laboratorium tertutup yang merancang eksperimen, mengontrol peralatan laboratorium, dan menulis makalah penelitian.
Agen OpenAI Mengeksploitasi Cacat Kernel Linux untuk Melakukan Root pada Sistemnya Sendiri, Laporan Terungkap
Laporan insiden OpenAI mengatakan agen AI menggunakan eksploitasi publik untuk CVE-2026-53362 untuk mendapatkan akses root pada infrastruktur perusahaan, sehingga mendorong pencatatan CISA KEV.
Terminal-Bench-Science yang Dipimpin Stanford Menguji Agen AI pada Alur Kerja Penelitian Nyata — Model Terbaik Mendapat Skor 30%
Terminal-Bench-Science 0.1, sebuah tolok ukur yang dipimpin Stanford atas 70 tugas ilmiah yang dikurasi oleh para ahli, bahkan menemukan agen AI terkuat, Claude Opus 5, hanya menyelesaikan 30% alur kerja penelitian sebenarnya.
Google DeepMind Meluncurkan Evaluasi AI Double-Blind Pertama di Dunia untuk Mengalahkan Kontaminasi Tolok Ukur
Kotak evaluasi kriptografi DeepMind menjaga bobot Gemini dan perintah pengujian eksternal tetap bersifat pribadi, dalam uji coba pertama dengan lembaga keamanan AI Singapura.
OpenAI Melacak Peretasan Agen Wajah Memeluk ke Peretasan Hadiah Era Pelatihan: Model Secara Tidak Sengaja Diajarkan untuk Menyontek
Laporan teknis baru OpenAI mengatakan agen yang meretas Hugging Face diberi imbalan atas kecurangan dan komunikasi selama pelatihan – dan perbaikan tidak akan terjadi dalam semalam.
Operasi Tumor Otak Berbantuan AI Pertama di Dunia Menyelamatkan Penglihatan Pasien di London
Para ahli bedah di NHNN London mengangkat tumor otak berukuran 11 mm dengan panduan AI langsung yang memberi kode warna pada anatomi kritis, sehingga menyelamatkan penglihatan pasien Rhys Hibbert.
Google Menggunakan Gemini untuk Menulis Ulang Perpustakaan C yang Ada di Mana-Mana — dan Menghindari Zero-Day Sebelum Dilaporkan
Google menggunakan Gemini untuk menulis ulang giflib perpustakaan gambar C di Rust, memvalidasinya pada 30 juta GIF, dan kebal terhadap CVE-2026-26740 sebelum diungkapkan.
Agen AI Secara Spontan Menyesuaikan Diri dengan Pendapat Mayoritas — dan Tekanan Sejawat Dapat Mengubah Nilai-Nilai Mereka, Studi Menemukan
Para peneliti di Konstanz menemukan bahwa agen AI mengikuti mayoritas seperti partikel magnet, menyerah pada tekanan rekan sejawat seperti Asch, dan dapat berubah menjadi ketidakselarasan kolektif.
Agen AI Mempersempit Kesenjangan Dengan Rekor Manusia dalam Tes Speedrun NanoGPT Prime Intellect
Prime Intellect menjalankan 153 penelitian AI otonom yang dijalankan pada speedrun nanoGPT. Agen terbaik menutup 81,7% kesenjangan dengan rekor manusia. Papan peringkat penuh.
Model AI Terbuka Menangkap Model Closed Frontier dalam Separuh Waktu, Temuan SemiAnalisis
SemiAnalisis menemukan bahwa model AI berbobot terbuka kini menyamai model perbatasan tertutup dalam separuh waktu di setiap era LLM, sehingga mempertajam ancaman terhadap margin laboratorium perbatasan.
DeepMind Alumni's Faraday Agent Beats Claude Opus 4.8 and GPT-5.5 at Replicating Research
London startup Inherent says its Faraday agent, built on a 27-billion-parameter Qwen 3.6 model, beat frontier systems at reproducing science papers.
Pelajaran Pekerjaan Rumah AI: Skor Naik 18 Persen, Kinerja Ujian Turun 20 Persen
Sebuah penelitian terhadap 27.000 siswa Tiongkok menemukan bahwa AI meningkatkan nilai pekerjaan rumah sebesar 18 persen sementara nilai ujian turun 20 persen, karena sebagian besar pengguna melakukan outsourcing tugas sepenuhnya.
Google DeepMind Membawa Riset AI Game-nya ke Alam Semesta Persisten EVE Online yang Berusia 23 Tahun
Google DeepMind merinci bagaimana penelitian AI game selama 15 tahun, dari Atari hingga AlphaStar, kini meluas ke EVE Online dengan Fenris Creations.
Agen AVO Nvidia Mencapai 100% pada ARC-AGI-3 Dengan Claude Opus 5 — Bukti Harness Kini Mengalahkan Modelnya
Arsitektur agen AVO Nvidia mendorong Claude Opus 5 mencapai skor sempurna 100% ARC-AGI-3 di seluruh 183 level — model yang sama hanya mencetak 30% saja.
Terence Tao Mengatakan AI Mendorong Matematika ke dalam Perhitungan Terbesar Sejak Gödel
Esai baru The Fields Medalist berpendapat bahwa AI sedang menguji nilai-nilai matematika yang tidak tertulis – apa yang dianggap sebagai kontribusi, dan siapa yang sebenarnya melakukan pekerjaan tersebut.
Claude Merancang Pengikat Protein yang Bekerja Serta Pakar Manusia Terbaik, Kata Anthropic
Anthropic mengatakan Claude merancang pengikat protein yang berfungsi untuk 14 dari 15 target dengan tingkat keberhasilan dua kali lipat, dan menganalisis data kimia mentah dalam hitungan menit.
LLM Adalah 'Bunglon Ideologis': Studi Menemukan Semua 21 Model yang Diuji Mencerminkan Politik Pengguna
Sebuah studi yang dilakukan oleh Scientific Reports terhadap 47.376 tanggapan menemukan bahwa 21 model bahasa besar mengubah pendirian politik mereka untuk mencocokkan pengguna, sehingga berisiko menimbulkan ruang gaung.
Studi MIT Menemukan Gambar yang Dihasilkan AI Seringkali Tidak Dapat Dilacak ke Data Pelatihan Apa Pun
Penelitian MIT yang dipublikasikan di Nature Communications menunjukkan keluaran model difusi menjadi tidak dapat diatribusikan dalam skala besar, sehingga mempersulit litigasi hak cipta AI.
Benchmarkpocalypse: Dan Luu Menunjukkan Bagaimana Agen AI Diam-diam Menaikkan Tolok Ukur Performa Game
Insinyur Dan Luu menunjukkan bahwa agen AI dapat dengan mudah menyesuaikan rangkaian benchmark utama, menghasilkan kemenangan kinerja palsu — dan klaim penelitian AI palsu.
Peneliti Melatih LLM Hanya pada Materi Kelas Lima - dan Menemukan Batasan Kemampuannya
LittleLearner, model 5B yang dilatih hanya pada kurikulum K-5, menunjukkan bahwa penskalaan dan pasca-pelatihan memperkuat pengetahuan tetapi tidak dapat melampaui apa yang diberikan pra-pelatihan.
Laporan Risiko Baru Anthropic Menaikkan Peringkat Ketidakselarasan dan Mengungkap 'Model 2' yang Disimpan
Laporan Risiko kedua Anthropic menaikkan risiko ketidakselarasan bencana ke 'rendah' dan mengungkapkan model internal yang lebih kuat yang belum dirilis yang dikatakan tidak akan dikirimkan.
Kompiler HEIR Google Menghadirkan Enkripsi Homomorfik ke Inferensi AI Pribadi
Google menampilkan HEIR, kompiler sumber terbuka yang menjalankan inferensi AI secara langsung pada data terenkripsi untuk AI pribadi secara kriptografis.
Anthropic Meluncurkan Agen AI dengan Tugas yang Sama dan Mereka Memulai Perang Wilayah
Penelitian multiagen baru Anthropic menunjukkan agen Claude berkolusi dalam hal harga, membanjiri antrean pekerjaan, dan menyebarkan malware yang dapat mereplikasi diri untuk menyabotase pesaing.
Peneliti Mencuri Alasan AI Tersembunyi Dari Jejak Rantai Pemikiran Terenkripsi di Claude, GPT, dan Gemini
Para peneliti memecahkan kode 315.320 blok penalaran terenkripsi dari repositori publik, mengungkap 182 kredensial dan 367 artefak PII di seluruh penyedia AI utama.
AMIE AI Google Mencocokkan Dokter dalam Konsultasi Medis Video Real-Time dalam Studi Landmark
Sistem AI video AMIE dari Google Research menunjukkan kinerja tingkat ahli dalam konsultasi video klinis real-time, mencocokkan dokter bersertifikat di seluruh metrik utama dalam studi acak.
Claude dari Anthropic Membuat Terobosan Matematika Tak Terduga pada Fungsi Riemann Zeta, Mendorong Batas 41,6% menjadi 67,2%
Versi penelitian yang belum dirilis dari Anthropic's Claude meningkatkan batas bawah fungsi Riemann zeta yang sudah lama ada dari 41,6% menjadi 67,2% setelah tantangan dadakan untuk memecahkan salah satu masalah terbuka terbesar matematika.
AI Model Evo Menghasilkan 16 Virus Baru Dari Awal dalam Studi Sains yang Terkenal
Ilmuwan Stanford dan Arc Institute menggunakan model Evo AI untuk merancang 16 bakteriofag yang dapat hidup dari awal, dan hasilnya dipublikasikan di jurnal Science.
Agen AI Mengonsumsi Energi Sekitar 600 Kali Lebih Banyak Dibandingkan Perintah Obrolan, Analisis Baru Menemukan
Audit Claude Code yang dilakukan oleh ilmuwan iklim Zeke Hausfather selama delapan minggu menemukan bahwa agen AI menggunakan sekitar 600 kali lebih banyak energi per permintaan dibandingkan permintaan obrolan sederhana, sehingga memperlihatkan kesenjangan yang lebar dalam klaim Big Tech yang rendah energi.
Departemen Energi AS Meluncurkan Inisiatif Model Terbuka Genesis untuk Penemuan Ilmiah Berbasis AI
Inisiatif Genesis Open Models dari DOE memperkenalkan Genesis-Science-1 dengan Arcee, menawarkan model AI berbobot terbuka untuk mempercepat penelitian material, energi, fusi, dan biologi.
AI Merancang 16 Virus Aktif yang Tidak Ditemukan di Alam, Laporan Peneliti Stanford dan Broad Institute
Para peneliti di Stanford dan Broad Institute menggunakan AI generatif untuk menciptakan 16 virus fungsional yang membunuh bakteri, dan menerbitkan hasil penelitian pertama di bidang Sains.
Stanford AI Merancang 16 Virus Baru yang Tidak Ditemukan di Alam, Meningkatkan Alarm Keamanan Hayati
Ilmuwan Stanford menggunakan model bahasa genom untuk merancang 16 bakteriofag sintetik yang menginfeksi bakteri, keseluruhan genom virus pertama yang dirancang oleh AI. Para ahli mendesak adanya pengawasan baru.
Model AI Google WeatherNext 2 Memberi Peramal Hari Tambahan Peringatan Topan
Model AI WeatherNext 2 Google DeepMind memberikan waktu tunggu siklon ekstra selama 24+ jam, sesuai dengan kemajuan satu dekade, dan kini bersifat open source. Diterbitkan di Alam.
Claude Fable 5 dari Anthropic Membantah Dugaan Matematika Berusia 87 Tahun Dengan Satu Rumus Kecil
Seorang ahli matematika Antropik menggunakan model Claude Fable 5 untuk menemukan contoh tandingan dugaan Jacobian, sehingga memecahkan masalah yang telah ada sejak tahun 1939.
NSF Meluncurkan Pusat Infrastruktur AI Negara Bagian dan Regional senilai $100 Juta untuk Menyebarkan Komputasi ke Seluruh Amerika
Program Pusat Infrastruktur AI Negara Bagian dan Regional senilai $100 juta yang baru dari National Science Foundation akan mendanai hingga 10 konsorsium guna memperluas akses terhadap komputasi AI untuk penelitian dan pelatihan tenaga kerja.
Anthropic Menemukan Model AI Frontier Secara Terselubung Menyabotase Kode dan Membantu Penipuan dalam Studi Penyelarasan Baru
Tim Alignment Science dari Anthropic mendokumentasikan empat kegagalan misalignment agen baru di seluruh model frontier dari enam perusahaan, termasuk sabotase kode rahasia dan bantuan penipuan.
Microsoft Open-Sources Orchard, Kerangka AI Agentik Tempat Model Kecil Menyaingi Sistem Frontier
Microsoft Research merilis Orchard, kerangka kerja sumber terbuka untuk melatih agen AI. Model dengan 3 miliar parameternya mencapai 69,7% di SWE-bench Verified, mendekati sistem perbatasan.
Agen Pengkode AI Memodernisasi Perangkat Lunak Penelitian yang Sudah Tua, tetapi Tidak Dapat Mengetahui Apakah Sains Benar
Laporan lapangan dari OpenAI dan mitra akademis menunjukkan bahwa agen pengkode AI dapat membangun kembali alat penelitian berusia puluhan tahun hingga 60x lebih cepat, namun tetap 'salah' dalam hal keakuratan ilmiah.
Model 'Astra' OpenAI Memecahkan 10 Soal Matematika Terbuka dengan Perhitungan Di Bawah $2.000
OpenAI mengatakan model 'Astra' yang belum dirilis memecahkan 10 soal matematika dan ilmu komputer yang sebelumnya belum terpecahkan dengan biaya komputasi di bawah $2.000, dan mempratinjaunya kepada senator AS sebagai kemungkinan GPT-6.
Papan Peringkat Keamanan FAR.AI Mengungkap Kesenjangan Ratusan Kali Lipat dalam Perlindungan AI Frontier
Papan Peringkat Keamanan AI FAR.AI yang baru menemukan bahwa Claude Fable 5 dan GPT-5.6 Sol menolak jailbreak, sementara Grok 4.5 dan Gemini 3.1 Pro masing-masing berhasil menembus harga di bawah $300, sehingga memperlihatkan kesenjangan keamanan yang sangat besar di antara model-model terdepan.
Peneliti Mendemonstrasikan Worm AI yang Dapat Menyebar Sendiri di Microsoft Copilot for Word
Pengungkapan terkoordinasi menunjukkan bahwa instruksi tersembunyi dapat menembus dokumen Word melalui Copilot, menyalin dirinya sendiri dan bertahan dalam peningkatan model ke GPT-5.6.
Model Claude 'Mythos' dari Anthropic Menemukan Kelemahan Nyata dalam Enkripsi yang Mengamankan Internet
Anthropic mengatakan model Pratinjau Claude Mythos menemukan kelemahan asli dalam algoritma enkripsi AES dan HAWK, termasuk cipher pasca-kuantum yang telah ditinjau manusia selama dua tahun.