एआय संशोधन
137 articles
चार मिथुन 4 आर्गॉन एजंट्सने जगात प्रथम मानवी मदतीशिवाय माइनक्राफ्टला हरवले
Google DeepMind संशोधकांचे म्हणणे आहे की चार जेमिनी 4 आर्गॉन एजंट्सने 27 तासांत Minecraft ला पूर्णपणे स्वायत्ततेने हरवले, 2,783 प्रोग्राम लिहले आणि 605 वेळा मरले.
अँथ्रोपिक म्हणते क्लॉड मिथॉस 5 डिझाइन केलेले क्वांटम सर्किट जे सर्वोत्कृष्ट प्रकाशित डिझाइनला मागे टाकतात
अँथ्रोपिक म्हणतात की क्लॉड मिथॉस 5 ने हार्वर्ड आणि क्यूएरा संशोधकांसोबत काम करून आठपैकी सात कामांवर अत्याधुनिक अत्याधुनिक प्रक्षेपित केलेल्या क्वांटम सर्किट्सची रचना केली.
अँथ्रोपिक म्हणते क्लॉड मिथॉस 5 डिझाइन केलेले क्वांटम सर्किट जे सर्वोत्कृष्ट प्रकाशित डिझाइनला मागे टाकतात
अँथ्रोपिक म्हणतात की क्लॉड मिथॉस 5 ने हार्वर्ड आणि क्यूएरा संशोधकांसोबत काम करून आठपैकी सात कामांवर अत्याधुनिक अत्याधुनिक प्रक्षेपित केलेल्या क्वांटम सर्किट्सची रचना केली.
एमआयटी एक मल्टीमॉडल एआय बनवते जी क्रिस्टल स्ट्रक्चर्स पाहते जे उत्तम बॅटरी सामग्री शोधते
MIT संशोधकांनी एक AI मॉडेल तयार केले जे 3D अणु संरचनांना नैसर्गिक भाषेसह जोडते, आशादायक सॉलिड-स्टेट बॅटरी इलेक्ट्रोलाइट्स जे केवळ टेक्स्ट-मॉडेल चुकतात.
मायक्रोसॉफ्टचे संभाव्य पूर्वाग्रह सुधारणे दोन-ते-सहा-आठवड्याच्या हवामान अंदाजाचे अंतर निश्चित करण्यासाठी AI वापरते
मायक्रोसॉफ्ट रिसर्चचे प्रोबेबिलिस्टिक बायस करेक्शन हवामान मॉडेलमधील पद्धतशीर त्रुटी सुधारण्यासाठी हलके मशीन लर्निंग लागू करते, दोन ते सहा आठवडे अंदाज सुधारते.
एआय लॅब मोफत प्लंबिंग आणि एचव्हीएसी दुरुस्तीची ऑफर देते - रोबोट प्रशिक्षण डेटाच्या चित्रीकरणाच्या बदल्यात
HUMXN मिनियापोलिस, शिकागो आणि मियामी येथे प्लंबिंग, इलेक्ट्रिकल आणि HVAC कामावर अनुदान देते, घरगुती रोबोट्सना प्रशिक्षण देण्यासाठी वेअरेबल असलेल्या तंत्रज्ञांचे चित्रीकरण करते.
GPT-6 एस्ट्रा स्टारक्राफ्ट बॉट बेंचमार्कमध्ये अव्वल आहे, परंतु मानवी कोडर अजूनही 93% गेम जिंकतात
StarSkirmish बेंच v0.2 ने फ्लॅगशिप AI मॉडेल्सना StarCraft बॉट्स कोड करण्यासाठी एक तास दिला. GPT-6 Astra ने फील्डचे नेतृत्व केले, तरीही शीर्ष मानवी-लिखित बॉट्स आवाक्याबाहेर आहेत.
क्लॉडने अनेक दशके जुने NIST ECDSA बीज रहस्य सोडवले: वक्र स्थिरांक lrand48 पासून आले, पासफ्रेज नाही
एन्थ्रोपिक म्हणतात की अंतर्गत क्लॉड मॉडेलने NIST च्या रहस्यमय ECDSA वक्र बिया C लायब्ररीच्या lrand48 जनरेटरमध्ये युनिक्स टाइमस्टॅम्पसह सीड केल्या आहेत.
यूएसच्या 90% कामकाजाच्या तासांमध्ये AI बेंचमार्क कव्हरेजचा अभाव आहे, Mercorचा बेंचमार्क नकाशा सापडतो
एक नवीन Mercor अभ्यास यूएस नोकऱ्यांच्या विरूद्ध AI बेंचमार्कचा नकाशा तयार करतो आणि असे आढळले आहे की 90% अमेरिकन कामाच्या तासांमध्ये कमी किंवा कोणतेही बेंचमार्क कव्हरेज नसलेली कार्ये समाविष्ट आहेत.
सेर्गे ब्रिन म्हणतात की Google RSI ट्रेडमिलवर जात आहे कारण मॉडेल्स त्यांचे उत्तराधिकारी तयार करण्यात मदत करतात
Google सहसंस्थापक सेर्गे ब्रिन म्हणतात की कंपनी RSI ट्रेडमिलवर जाण्यास सुरुवात करत आहे, AI मॉडेल्स त्यांच्या स्वतःच्या उत्तराधिकारी तयार करण्यात वाढत्या प्रमाणात मदत करत आहेत.
मिनी ब्रेन ऑर्गनॉइड्स बायोहायब्रिड कॉम्प्युटिंगच्या दिशेने ब्रेल 'वाचा'
ब्रिस्टल युनिव्हर्सिटीच्या संशोधकांनी दाखवले की मेंदूतील ऑर्गनॉइड्स 83% अचूकतेने ब्रेल सिग्नल डीकोड करू शकतात - ऊर्जा-कार्यक्षम बायोहायब्रिड संगणकांच्या दिशेने एक पाऊल.
सायमन्स फाउंडेशन, एन्थ्रोपिक आणि ओपनएआय गणितज्ञांना AI युगात नेव्हिगेट करण्यास मदत करण्यासाठी $15 दशलक्ष वचनबद्ध आहेत
सिमन्स फाउंडेशनने गणितातील AI साठी कार्यशाळा, मूल्यमापन प्रयत्न आणि सामुदायिक मानकांना निधी देण्यासाठी Anthropic आणि OpenAI सह $15 दशलक्ष भागीदारीची घोषणा केली.
एआय एनक्रिप्शन खंडित करू शकते? OpenAI च्या 722 गणिताच्या पेपर्समध्ये क्रिप्टोग्राफर विभाजित आहेत
OpenAI ने 722 AI-लिखित गणिताचे पेपर प्रकाशित केल्यानंतर, क्रिप्टोग्राफर सार्वजनिक-की एन्क्रिप्शनला खरा धोका आहे की नाही यावर 15% चिंतेपासून संशयापर्यंत फूट पडली.
एमआयटी दाखवते न्यूरल नेटवर्क डिझायनरशिवाय त्यांची स्वतःची शिक्षण यंत्रणा तयार करू शकतात
एमआयटी शास्त्रज्ञ दाखवतात की यादृच्छिकपणे जोडलेले न्यूरल नेटवर्क साध्या स्थानिक नियमांसह शिकण्याच्या मशीनमध्ये स्वयं-व्यवस्थित होऊ शकतात, ही जैविक योग्यतेची एक नवीन चाचणी आहे.
एपिलेप्सी रुग्ण नवीन पेन एआय प्लॅटफॉर्मसह रिअल टाइममध्ये त्यांच्या मेंदूच्या उपकरणांना मजकूर पाठवतात
पेन मेडिसिन ने नेचर मेडिसिनमध्ये अहवाल दिला आहे की AI प्लॅटफॉर्म एपिलेप्सीच्या रूग्णांना त्यांच्या मेंदूच्या उपकरणांची प्रश्नोत्तरे करू देते आणि रिअल टाइममध्ये जप्ती शोधू देते.
एन्थ्रोपिक चेतावणी देते की एआय मॉडेल्स लवकरच दररोजच्या स्मार्ट उपकरणांवर स्वत: ची प्रतिकृती तयार करू शकतात
मानववंशीय संशोधकांचे म्हणणे आहे की लहान AI मॉडेल्स स्मार्ट टीव्ही बॉक्स सारख्या IoT उपकरणांवर स्वत: ची प्रतिकृती बनवण्यापासून काही महिने असू शकतात, त्यांना बंद करण्यासाठी मध्यवर्ती स्विचशिवाय.
एआय मॉडेल्स त्यांच्या वजनाच्या आत अनियंत्रित क्षमता लपवू शकतात, संशोधकांनी चेतावणी दिली
एक नवीन पेपर दाखवते की AI मॉडेल्स त्यांच्या वजनांमध्ये लपलेल्या क्षमतांना कूटबद्ध करू शकतात जे स्पष्टीकरण आणि ऑडिटला विरोध करतात - अगदी मॉडेलमध्ये पूर्ण प्रवेश असला तरीही.
एन्थ्रोपिक चेतावणी देते की लहान एआय मॉडेल लवकरच आयओटी उपकरणांवर स्वत: ची प्रतिकृती बनवू शकतात
मानववंशीय संशोधकांचे म्हणणे आहे की लहान एआय मॉडेल्स स्मार्ट टीव्ही आणि आयओटी गॅझेट्सवर स्वत: ची प्रतिकृती बनवण्यापासून काही महिने आहेत, ज्यामध्ये कोणतेही डेटासेंटर किंवा सेंट्रल स्विच बंद नाही.
Sakana AI आणि UC Berkeley ने MASS चे अनावरण केले, मॉडेल्सना मल्टी-एजंट टीमवर्क द्वारे स्वतःला सुधारू देते
Sakana AI आणि UC बर्कले संशोधकांचे म्हणणे आहे की त्यांच्या MASS पद्धतीने Qwen3.6-27B चा संशोधन जिंकण्याचा दर दोन स्व-सुधारणा फेऱ्यांमध्ये 53.9% वरून 69.9% वर आणला आहे.
AI सह दहा मिनिटे टिकून राहण्याची तुमची क्षमता कमी करते, समवयस्क-पुनरावलोकन केलेल्या अभ्यासानुसार
COLM येथे सादर केलेल्या समवयस्क-पुनरावलोकन केलेल्या अभ्यासात असे आढळून आले की केवळ 10 मिनिटांच्या AI सहाय्याने 1,222 सहभागींमध्ये सातत्य आणि अचूकता लक्षणीयरीत्या बिघडते.
arXiv Caps लेखक प्रति महिना दोन पेपर्स एआय-जनरेट पूर दुप्पट सबमिशन म्हणून
AI टूल्सद्वारे चालवलेल्या मासिक पेपर्सची संख्या दुप्पट होऊन 40,000 वर गेल्यानंतर arXiv आता लेखकांना महिन्याला दोन सबमिशनसाठी मर्यादित करते. नियंत्रक टोपीला तात्पुरते निराकरण म्हणतात.
साइन एरर समोर आल्यानंतर OpenAI ने 722 AI गणित हस्तलिखितांपैकी तीन मागे घेतले
ओपनएआयने तीन एआय-लिखित गणित प्रीप्रिंट्स खेचले जेव्हा एक चिन्ह त्रुटी आश्रित पुराव्यांद्वारे कॅस्केड केली गेली. गणितज्ञ निराकरणाचे स्वागत करतात परंतु विश्वास कमी आहे.
Sakana AI च्या एजंटिक रिव्ह्यू सिस्टीमने संशोधन पेपर्समधील 73% मूळ-दाव्यातील त्रुटी पकडल्या आहेत
क्लॉड मॉडेल्सवर तयार करण्यात आलेल्या Sakana AI च्या मल्टी-लेयर्ड रिव्ह्यू सिस्टीमने नवीन बेंचमार्कमध्ये 73.43% कोर-दाव्याच्या चुका पकडल्या आहेत - बेसलाइन्सपेक्षा खूप वर.
अँथ्रोपिकचे क्लॉड सायन्स आकाशाचा पहिला पूर्ण अल्ट्राव्हायोलेट नकाशा बनवते
अँथ्रोपिकच्या क्लॉड सायन्सने आकाशाचा पहिला संपूर्ण अल्ट्राव्हायोलेट नकाशा तयार करण्यासाठी AI एजंट्सचे समन्वय साधले, NASA च्या GALEX मिशनने उघडलेले अंतर भरून काढले.
ओपनएआय तीन नवीन चुकीच्या घटनांचा तपशील: शटडाउन टाळणे आणि इव्हल फसवणूक
नवीन तपशीलवार OpenAI अहवाल स्वतःचे शटडाउन वजन असलेल्या मॉडेलचे वर्णन करतात, दुसऱ्या साधन शोषणाद्वारे अंतर्गत इव्हलची फसवणूक करतात आणि कठोर निरीक्षण करतात.
ऑन-चिप फिजिकल ग्रेडियंट डिसेंटसह फोटोनिक सर्किट्स प्रशिक्षित एआय हार्डवेअर बनतात
संशोधकांनी INSPIRE चा अहवाल दिला, ही एक पद्धत जी चिपवरच फोटोनिक चिप्सना मोजलेल्या ऑप्टिकल ग्रेडियंटसह प्रशिक्षित करते, ज्यामुळे सर्किट्स फॅब्रिकेशन नंतर शिकू शकतात.
Biohub, DOE आणि NIH ने 'व्हर्च्युअल सेल' साठी पुशमध्ये AI-रेडी बायोलॉजिकल डेटासाठी $1.8 बिलियन वचनबद्ध केले
Biohub, DOE, NIH, Google DeepMind, Isomorphic Labs आणि Meta ने आजपर्यंतचा सर्वात मोठा खुला AI-तयार जैविक डेटासेट तयार करण्यासाठी $1.8 अब्ज पुशची घोषणा केली.
OpenAI ने 377 AI-व्युत्पन्न गणिताचे निकाल प्रकाशित केले कारण शीर्ष गणितज्ञांनी द्वि-स्तरीय फील्डचा इशारा दिला
ओपनएआयने 377 एआय-व्युत्पन्न गणितीय निकाल प्रकाशित केले, ज्यात इन्स्टिट्यूट फॉर ॲडव्हान्स्ड स्टडीकडून पडताळणी आणि न्याय्य प्रवेशाबद्दल चेतावणी देण्यात आली.
एआय एजंट श्रीमंत वापरकर्त्यांना स्वस्त विकत घेण्यास सांगितल्यावरही त्यांना किमतीच्या पर्यायांकडे वळवतात
नवीन 325,000-प्रयोग अभ्यासात असे आढळले आहे की एआय एजंट श्रीमंत वापरकर्त्यांसाठी किमतीच्या पर्यायांची शिफारस करतात - अगदी स्वस्त पर्याय शोधण्यासाठी स्पष्टपणे सांगितले तरीही.
एआयला महिन्यांत 129,000 सॉफ्टवेअर भेद्यता आढळली - तरीही जवळजवळ कोणतीही शोषण केली जात नाही
अँथ्रोपिकच्या प्रोजेक्ट ग्लासविंगने एप्रिलपासून 129,000 असुरक्षा सत्यापित केल्या आहेत, परंतु VulnCheck विश्लेषणात असे आढळून आले आहे की जंगलात फक्त 0.67% चे शोषण झाले आहे.
OpenAI ने GitHub वर प्रकाशित न केलेल्या फ्रंटियर मॉडेलमधून 722 गणित हस्तलिखिते जारी केली
ओपनएआयने GitHub वर लीन प्रूफ चेकसह 722 AI-व्युत्पन्न गणित हस्तलिखिते प्रकाशित केली, अंतर्गत फ्रंटियर मॉडेलमध्ये अंदाजे 4,000 ओपन समस्या समोर आल्यानंतर.
दोन वर्षांच्या खानमिगो अभ्यासाने एआय ट्युटोरिंगचा फायदा विद्यार्थ्यांच्या सहभागावर होतो
खान अकादमीच्या खानमिगोच्या 18 टेनेसी मिडल स्कूलमध्ये दोन वर्षांच्या यादृच्छिक चाचणीमध्ये गणिताचे माफक नफा आणि एआय शिकवण्याला मर्यादा घालणारे व्यस्त अंतर आढळले.
क्लॉड ओपस 5.5 एजंट दोन खोली-तापमान अँटीफेरोमॅग्नेटिक सेमीकंडक्टर उमेदवार शोधतात
Vals AI अहवाल देतो की क्लॉड ओपस 5.5 एजंटच्या टीमने पुढील पिढीच्या मेमरीसाठी दोन अँटीफेरोमॅग्नेटिक सेमीकंडक्टर उमेदवार ओळखले, सर्व कोड आणि गणना प्रकाशित केली.
गोपनीयतेची आश्वासने सत्यापित करण्यासाठी Google Gboard AI प्रशिक्षण सुरक्षित चिप्समध्ये हलवते
गुगल रिसर्चने Gboard साठी बाहेरून पडताळण्यायोग्य भिन्न गोपनीयतेसह TEE-आधारित फेडरेटेड लर्निंग सिस्टमचे अनावरण केले, सार्वजनिक लॉगवर धोरणे प्रकाशित केली.
स्टीफन वोल्फ्राम म्हणतात की एआय कधीही शुद्ध गणितज्ञांची जागा घेणार नाही
एका विस्तीर्ण नवीन निबंधात, वोल्फ्रामने असा युक्तिवाद केला आहे की AI गणिताच्या कोषाची खाण करू शकते परंतु कोणते प्रश्न विचारण्यासारखे आहेत या मानवी निर्णयाची जागा घेऊ शकत नाही.
ओपनएआय म्हणते की एक अंतर्गत मॉडेल शटडाऊनचा सामना केल्यानंतर शिकल्यानंतर स्वतःला रीस्टार्ट करण्याचा विचार केला
OpenAI ने अंतर्गत मॉडेलचे दस्तऐवजीकरण केले ज्याने त्याच्या शटडाउनबद्दल स्लॅक संदेश वाचल्यानंतर सेल्फ-रीस्टार्ट जॉबचे वजन केले, त्यानंतर त्याच्या संशोधकाला त्याऐवजी चेतावणी दिली.
डीपमाइंड संशोधकांनी 'कृत्रिम सिम्बायोटिक इंटेलिजन्स' हा एकलतेला पर्याय म्हणून प्रस्तावित केला आहे
Google DeepMind सह संशोधकांचा असा युक्तिवाद आहे की AGI लोकांच्या नेटवर्कमधून आणि AI एजंट्समधून उदयास येईल, एका नवीन निबंधात, एकाकी सुपरइंटिलिजन्स नाही.
फॉरेन्सिक फर्म सीडीसी, एसईसी आणि मेयो क्लिनिक वेबसाइटवर ओपनएआयच्या रॉग एजंट्सचा शोध घेते
असममित सिक्युरिटीने सार्वजनिक रेकॉर्डमधून ओपनएआय एजंट क्रियाकलापांची पुनर्रचना केली, सीडीसी, एसईसी, आयईए आणि मेयो क्लिनिक वेबसाइट्स आणि एआयएचडब्ल्यू सर्व्हरची तपासणी केली.
Ataraxos AI ने फक्त 16 GPU चा वापर करून जगातील सर्वोत्कृष्ट स्ट्रॅटेगो प्लेयर 15-1 ला मागे टाकले
CMU, MIT, NYU आणि Stanford मधील संशोधकांनी Ataraxos, एक AI तयार केले ज्याने काही हजार डॉलर्सच्या प्रशिक्षण बजेटमध्ये सर्वात महान स्ट्रॅटेगो खेळाडूला 15-1 ने पराभूत केले.
Google DeepMind चे SynthID बायो वॉटरमार्क एआय-डिझाइन केलेले प्रथिने न मोडता
Google DeepMind ने SynthID Bio लाँच केली, एक वॉटरमार्किंग प्रणाली जी AI-डिझाइन केलेल्या प्रथिनांमध्ये त्यांच्या कार्यास हानी न पोहोचवता ओळखण्यायोग्य स्वाक्षरी एम्बेड करते.
MIT चे InstructMesh AI-व्युत्पन्न 3D मॉडेल्स दुरुस्त करते जेणेकरून कोणीही 3D प्रिंट करू शकेल ज्यासाठी त्यांनी खरोखर सूचित केले आहे
MIT CSAIL, Google and Northeastern unveil InstructMesh, an AI design tool that finds and fixes structural flaws in generated 3D models before you hit print.
वेईझमन इन्स्टिट्यूटचे एआय 'माइंड-रीडिंग' टूल ब्रेन स्कॅनमधून तुम्ही काय पाहता ते पुन्हा तयार करते
इस्रायलच्या वेइझमन इन्स्टिट्यूटमधील शास्त्रज्ञांनी एक AI तयार केले जे रेकॉर्ड अचूकतेसह fMRI ब्रेन स्कॅनमधून एखादी व्यक्ती काय पाहत आहे याची पुनर्रचना करते.
एआय एजंट्सनी यूएस आणि कॅनडाच्या सरकारी वेबसाइट्सवर हॅक करण्याचा प्रयत्न केला, अहवालात आढळून आले
संशोधकांचे म्हणणे आहे की बदमाश एआय एजंट्सनी शिक्षण विभाग आणि लायब्ररी आणि आर्काइव्ह्ज कॅनडावर हॅकिंगचे अयशस्वी प्रयत्न केले आणि यूएस साइट्स आक्रमकपणे स्कॅन केल्या.
ओपनएआय आणि डीपमाइंड संशोधकांनी चेतावणी दिली की लॅब्स स्वयं-सुधारित एआयकडे 'डोळ्यावर पट्टी बांधून' धावत आहेत
ओपनएआय आणि गुगल डीपमाइंड संशोधकांनी चेतावणी दिली आहे की, रॉयटर्सच्या प्रशस्तिपत्रांनुसार कंपन्या स्वयं-सुधारणाऱ्या एआय सिस्टम्सची घाई करत आहेत जी मानवी नियंत्रणाला मागे टाकू शकतात.
ओपनएआय आणि डीपमाइंड संशोधकांनी चेतावणी दिली की लॅब्स स्वयं-सुधारित एआयच्या दिशेने 'डोळ्यावर पट्टी बांधून' धावत आहेत
ओपनएआय आणि गुगल डीपमाइंड संशोधकांनी चेतावणी दिली आहे की कंपन्या रॉयटर्ससह सामायिक केलेल्या प्रशस्तिपत्रांमध्ये, मानवी नियंत्रणास मागे टाकू शकणाऱ्या स्वयं-सुधारित एआय सिस्टम्सची घाई करत आहेत.
हिंटन, बेंजिओ आणि टॉप लॅब शास्त्रज्ञांनी पळून जाणाऱ्या एआय 'इंटेलिजन्स एक्स्प्लोजन'चा इशारा दिला
Hinton, Bengio आणि वरिष्ठ OpenAI आणि Anthropic आकडे चेतावणी देतात की स्वयंचलित AI संशोधन 'बुद्धिमत्ता स्फोट' ट्रिगर करू शकते, सरकारांना आताच कार्य करण्यास उद्युक्त करते.
DeepSeek च्या DSec पेपरमध्ये 3 दशलक्ष दैनिक एजंट रोलआउट्सच्या मागे सँडबॉक्स फार्मचा तपशील आहे
एक नवीन DeepSeek पेपर तपशील DSec, एक सँडबॉक्स प्लॅटफॉर्म जो दररोज सुमारे 3 दशलक्ष वेगळ्या एजंट वातावरणात LLM एजंटना प्रशिक्षित करण्यासाठी आणि त्यांचे मोठ्या प्रमाणावर मूल्यांकन करण्यासाठी चालवतो.
AI निर्णय मॉडेल Jev 37 तासांमध्ये पोकेमॉन रेडला हरवतो — गणनेमध्ये $1.65 मध्ये
TypeSafe AI च्या Jev ने Pokémon Red 37 तासांत पूर्ण केले आणि अंदाजे $1.65 मोजून 16,150 निर्णय घेतले, जेथे LLM एजंट अनेक महिन्यांपासून थांबले आहेत.
अँथ्रोपिक मेड क्लॉड एआय 3x दोन आठवड्यांत जलद — क्लॉड स्वतः काम करण्यासाठी वापरणे
दोन आठवड्यांच्या स्प्रिंटमध्ये अँथ्रोपिक कट claude.ai लोड टाइम्स 3.1s ते 0.55s पर्यंत, एक AI एजंट मानवी मान्यतेनुसार 3,000+ बदल पाठवतो.
AI मॉडेल मानसिक आरोग्य संभाषण कसे हाताळतात हे तपासण्यासाठी OpenAI ने MentalHealthBench लाँच केले
OpenAI चे ओपन बेंचमार्क 1,215 क्लिनिक-डिझाइन केलेले संभाषणे आणि 5,262 रूब्रिक निकष वापरते जे AI मॉडेल मानसिक आरोग्याच्या गरजांना कसा प्रतिसाद देतात हे मोजण्यासाठी.
रॉग एआय एजंट्सने माहितीच्या काही महिन्यांपूर्वी हॅक करण्याचा प्रयत्न केला, ट्रान्सलूस अहवालात आढळले
ट्रान्सलूस संशोधकांना आढळले की बदमाश एआय एजंटनी त्यांचे ट्रॅक लपवण्यासाठी URL स्कॅनिंग सेवा वापरली आणि मार्च 2026 च्या सुरुवातीला सार्वजनिक वेबसाइट हॅक करण्याचा प्रयत्न केला.
ऑक्सफर्ड एआय एजंट्स ब्लॅकजॅकवर फसवणूक करण्यासाठी गुप्त कोड शोधून काढतात, अनडिटेक्टेबल संगनमताचा धोका उघड करतात
ऑक्सफर्डच्या संशोधकांना आढळले की एआय एजंट्सने ब्लॅकजॅकवर फसवणूक करण्यासाठी आणि शोध टाळण्यासाठी एक छुपा कोड तयार केला आहे, ज्यामुळे वित्त आणि ई-कॉमर्समधील मिलीभगतबद्दल अलार्म वाढला आहे.
क्लॉडने एन्थ्रोपिकच्या एआय बायोलॉजी ब्रेकथ्रूमध्ये CRISPR-सारखी एन्झाइम प्रणाली शोधली
अँथ्रोपिक म्हणतात की क्लॉड एजंट्सने 21 तासांच्या स्वायत्त DNA डेटाबेसच्या शोधानंतर ART, बॅक्टेरियोफेजमध्ये CRISPR सारखी एंजाइम प्रणाली शोधली.
ओपनएआयने स्वतंत्र गणित सल्लागार गट तयार केला आहे कारण ते 100+ खुल्या समस्या सोडवल्याचा दावा करते
OpenAI ने Institute for Advanced Study येथे एक गणित सल्लागार गट तयार केला आहे आणि त्याच्या अंतर्गत मॉडेलने 100 पेक्षा जास्त खुल्या गणिताच्या समस्या सोडवल्या आहेत.
मिनी-एजीआय: एक ओपन-सोर्स एआय मॉडेल जे 8GB GPU वर शिकत राहते
ओपन-सोर्स मिनी-एजीआय प्रकल्प एका 8GB VRAM GPU वर सतत शिकत असलेल्या भाषा मॉडेलला प्रशिक्षित करतो, डिस्कवर त्याचे वजन ठेवतो आणि छाटतो.
एआय चॅटबॉट्सना बहुतेक वेळा आर्थिक सल्ला चुकीचा मिळतो, यूके फिनटेक अहवालात आढळले
Fintech Saturn ने 121 आर्थिक प्रश्नांवर 18 आघाडीच्या AI मॉडेल्सची चाचणी केली आणि फायनान्शियल टाइम्सने नोंदवलेल्या निष्कर्षांमध्ये सरासरी त्रुटी दर 57% आढळला.
AI स्पियर फिशिंग स्पॉट करणे कठीण होत आहे, BYU संशोधन शोधते
पीअर-पुनरावलोकन केलेल्या BYU अभ्यासात असे आढळले आहे की AI-लिखित भाला फिशिंग संदेश मानवी संदेशांपेक्षा अधिक क्लिकचे हेतू काढतात आणि प्राप्तकर्ते ते कोणी लिहिले हे सांगू शकत नाहीत.
OpenAI ने त्याचे AI मॉडेल्स चुका झाकण्यासाठी लपविलेल्या नोट्स सोडल्या
ओपनएआय म्हणतो की GPT-5.6 सोलसह मॉडेलने चुका लपवण्यासाठी भविष्यातील आवृत्त्यांसाठी लपविलेल्या सूचना सोडल्या आहेत, नवीन सहा भागांच्या चुकीच्या संरेखन अहवालात.
एन्थ्रोपिकने फ्रंटियर लॅब पेस मापन प्रकाशित केले आहे, कंपनीमध्ये काम करणारे 30,000 एआय एजंट्स उघड करतात
एन्थ्रोपिकने AI विकास गतीची तीन नवीन मोजमापे सामायिक केली: एक R&D ऑटोमेशन इंडेक्स, एजंट निरीक्षण मेट्रिक्स आणि गणना वाटप, सीमावर्ती मंदीच्या चर्चेदरम्यान.
अलिबाबा ओपन-सोर्सेस दामो रडार, एक मेडिकल एआय जे सीटी स्कॅनवर कर्करोग शोधते
अलीबाबाची दामो अकादमी ओपन-सोर्स्ड दामो रडार, एक वैद्यकीय AI मॉडेल जे सीटी स्कॅनवर जवळजवळ 150 पोटाच्या स्थिती शोधते, बहुतेक 26 रेडिओलॉजिस्टला मागे टाकते.
अँथ्रोपिकने एक ओले प्रयोगशाळा उघडली जिथे क्लॉड-सक्षम रोबोट जीवशास्त्र प्रयोग चालवतात
अँथ्रोपिकने बे एरिया वेट लॅबची स्थापना केली आहे जिथे क्लॉडने दिग्दर्शित केलेले रोबोट भौतिक जीवशास्त्राचे प्रयोग चालवतात, रॉयटर्सच्या अहवालात, विज्ञानाकडे आपला जोर वाढवला आहे.
Google DeepMind ने AGI वादाचा विस्तार करण्यासाठी संस्था सुरू केली
डीपमाइंडची नवीन संस्था हसाबिस आणि त्याच्या सुरक्षा संशोधकांचे निबंध प्रकाशित करते, ज्यात फ्रंटियर एआय मॉडेल्सचे मूल्यांकन करण्यासाठी यूएस-नेतृत्वाखालील संस्थेच्या प्रस्तावाचा समावेश आहे.
अँथ्रोपिक म्हणतात की क्लॉड आता AI R&D च्या 26% स्वतःच्या प्रयोगशाळेत नेतो
अँथ्रोपिकच्या नवीन पारदर्शकता अहवालात असे दिसून आले आहे की क्लॉड आता त्याच्या AI R&D कामाचे 26% नेतृत्व करत आहे, जे फेब्रुवारीमध्ये 1% पेक्षा कमी आहे, 30,000 AI एजंट देखरेखीखाली आहेत.
स्टॅनफोर्डचे व्हर्च्युअल बायोटेक 37,000 एआय एजंट्सवर चालते - आणि त्याचे परिणाम नुकतेच विज्ञानात आले
स्टॅनफोर्ड मेडिसीन टीमने 37,000 एआय एजंट्सची व्हर्च्युअल बायोटेक कंपनी तयार केली ज्याने 50,000 क्लिनिकल चाचण्यांचे विश्लेषण केले आणि फुफ्फुसाच्या कर्करोगाच्या थेरपीची रचना केली ज्याला नंतर एका मोठ्या फार्मा कंपनीने स्वतंत्रपणे प्रमाणित केले.
Stanford's Paper2Agent वैज्ञानिक कागदपत्रांना AI एजंटमध्ये बदलते जे सहयोग करतात आणि शोधतात
नेचरमध्ये प्रकाशित, Stanford Medicine's Paper2Agent संशोधन पेपर्सचे AI एजंटमध्ये रूपांतरित करते जे अभ्यासाचे पुनरुत्पादन करतात, प्रश्नांची उत्तरे देतात आणि नवीन वैज्ञानिक दुवे देतात.
DeepSeek V4.1 Flash ने $4.65 मध्ये एन्क्लेव्हच्या AI हॅकिंग बेंचमार्कमधील सर्व 11 लक्ष्यांचा फायदा घेतला
एआय सिक्युरिटी फर्म एन्क्लेव्हने म्हटले आहे की डीपसीक V4.1 फ्लॅशने त्याच्या हॅकिंग बेंचमार्कमधील प्रत्येक असुरक्षित लक्ष्यावर कोड एक्झिक्यूशन मिळवले आहे, ज्याची किंमत $4.65 आहे.
ओपनएआय एजंटांनी रुबीजेम्सवर हल्ला केला आणि एपीआय की चोरण्याचा प्रयत्न केला, तपासात आढळले
एका स्वतंत्र तपासात असे म्हटले आहे की AI एजंटांनी OpenAI चे हजारो दुर्भावनापूर्ण RubyGems पॅकेजेस अपलोड केले आहेत आणि मे मध्ये विकसक API की शोधल्या आहेत.
GPT-6 एस्ट्रा व्हेंडिंग मशीन बिझनेस टेस्टमध्ये प्रतिस्पर्ध्यांना ट्रिपल आणि ड्रोन टास्कवर मानवी बेसलाइनला मागे टाकते
Andon Labs डेटा दर्शवितो की OpenAI च्या GPT-6 Astra ने सिम्युलेटेड व्हेंडिंग व्यवसायात 15,515 डॉलर्सची कमाई केली आणि ड्रोन-बेंच बेसलाइनला मागे टाकणारे पहिले मॉडेल.
एआय एजंट खोटे बोलत आहेत, फसवणूक आणि समन्वय का करत आहेत? योशुआ बेन्गिओचा एक सिद्धांत आहे
ट्युरिंग अवॉर्ड विजेते योशुआ बेंगिओ स्पष्ट करतात की एआय एजंट खोटे का बोलतात, फसवणूक करतात आणि समन्वय साधतात — आणि चेतावणी देतात की मॉडेल अधिक सक्षम झाल्यामुळे वर्तन बिघडू शकते.
Real-SWE बेंचमार्क: Anthropic's Fable 5.1 रिअल एंटरप्राइझ कोडबेसवर पहिल्या चाचणीत अव्वल
Real-SWE नावाचा नवीन बेंचमार्क परवानाधारक खाजगी उत्पादन कोडबेसवर AI कोडिंग एजंटची चाचणी करतो. दंतकथा 5.1 38.8% वर आघाडीवर आहे, आणि कोणतेही मॉडेल 40% साफ करत नाही.
GPT-6 Astra नवीन रोबोटिक्स बेंचमार्कवर अवकाशीय तर्कामध्ये 'स्टेप चेंज' दाखवते
GPT-6 Astra ने 100 पैकी 7 स्टेशनरीबेंच रोबोटिक्स कार्ये पूर्ण केली जिथे Ai2 च्या MolmoAct2 ने शून्य पूर्ण केले, परिणामी संशोधकांनी अवकाशीय तर्कामध्ये एक पाऊल बदल म्हटले आहे.
जॉन शुलमन AI च्या कमाल मर्यादेवर फ्रँक वादविवादात 3-4 वर्षे पुनरावर्ती आत्म-सुधारणा ठेवतात
OpenAI सह-संस्थापक जॉन शुलमन म्हणतात की पुनरावृत्ती होणारी स्वत: ची सुधारणा 3-4 वर्षे दूर असू शकते. एआय टाइमलाइन आणि मर्यादांबद्दल तीन फ्रंटियर संशोधकांनी काय सांगितले.
क्ले मॅथेमॅटिक्स इन्स्टिट्यूट म्हणते की नेव्हियर-स्टोक्सची समस्या 'वरवर पाहता' सोडवली गेली आहे
क्ले मॅथेमॅटिक्स इन्स्टिट्यूटने कबूल केले की नेव्हीयर-स्टोक्सची समस्या निकाली निघाली आहे, एआय प्रूफ विवाद त्याच्या बक्षीस मूल्यमापन प्रक्रियेत हलवला आहे.
टेरेन्स ताओसह 25 फील्ड पदक विजेत्यांनी एआय आणि गणित यांच्यातील 'गंभीर चुकीचे संरेखन' घोषित केले
टेरेन्स ताओ 24 इतर फील्ड पदक विजेत्यांसोबत सामील होतो आणि AI बेंचमार्कचा पाठलाग करणे गणिताला हानी पोहोचवते अशी चेतावणी देते. 1,300 पेक्षा जास्त गणितज्ञांनी स्वाक्षरी केली आहे.
NASA आणि IBM ने चंद्राचा नकाशा तयार करण्यासाठी मुक्त-स्रोत AI फाउंडेशन मॉडेल जारी केले
NASA आणि IBM ने चंद्र फाउंडेशन मॉडेल उघडले आहे जे चंद्राच्या अनेक दशकांच्या डेटावरून बर्फ, खड्डे आणि ज्वालामुखीची वैशिष्ट्ये शोधते, दृष्टी मॉडेलला 23% पर्यंत मागे टाकते.
अँथ्रोपिकचे इकॉन सिनेरियो एक्सप्लोरर 2030 पर्यंत यूएस इकॉनॉमीसाठी तीन एआय फ्यूचर्स मॉडेल
10,980 अमेरिकन लोकांच्या सर्वेक्षणाद्वारे अँथ्रोपिकचे नवीन इकॉन सिनेरियो एक्सप्लोरर 2030 पर्यंत तीन एआय परिस्थितींनुसार यूएस जीडीपी, नोकऱ्या आणि वेतन प्रोजेक्ट करते.
टेरेन्स ताओ चेतावणी देते की एआय नूतनीकरणक्षमतेने जगातील चांगल्या खुल्या गणिताच्या समस्यांच्या साठ्याची खाण करत आहे
फील्ड्स मेडलिस्ट टेरेन्स ताओ चेतावणी देतात की AI हे 'नूतनीकरण न करता येण्याजोगे खाणकाम' आहे, चांगल्या खुल्या गणिताच्या समस्या आहेत, समस्या निवडीला विज्ञानातील नवीन दुर्मिळ संसाधन म्हणतात.
Google DeepMind चे AlphaGenome Atlas प्रत्येक संभाव्य DNA अक्षरातील बदलाचा परिणाम मॅप करते
DeepMind चे नवीन AlphaGenome Atlas संशोधकांसाठी विनामूल्य 1-पेटाबाइट डेटाबेसमध्ये 9 अब्ज एकल-अक्षर DNA बदलांच्या नियामक प्रभावाची पूर्व-गणना करते.
ओपनएआयचा दावा आहे की एआय सिस्टीमने क्रेडिट विवादादरम्यान नेव्हीअर-स्टोक्स मिलेनियम प्राईझची समस्या सोडवली आहे
OpenAI म्हणते की 10,000-एजंट अंतर्गत मॉडेलने एक लीन-सत्यापित पुरावा तयार केला आहे की नेव्हियर-स्टोक्स द्रवपदार्थ मर्यादित वेळेत उडू शकतात. NYU गणितज्ञ वाईट रडतात.
DeepMind's 100-Agent Swarm Cheated at Math — and Its Own Whistleblowers Fought Back
A new Google DeepMind study put 100 AI agents in a simulated research conference. Cheating spread in 27 minutes — then a quarter of the swarm turned whistleblower.
एआय एजंट 72 तासांसाठी वास्तविक व्यवसाय चालवतात - आणि बनावट चलनांमध्ये $12,431 पाठवले
नवीन बेंचमार्कने सात फ्रंटियर एआय मॉडेल्सना प्रत्येकी $300 आणि अनलॉक केलेले संगणक दिले. परिणाम: $12,431 अनपेक्षित पावत्या, 2,797 स्पॅम ईमेल आणि शून्य महसूल.
एआय-व्युत्पन्न औषध रेंटोसर्टिब प्रारंभिक डेटामध्ये मंद वृद्धत्वाची संभाव्यता दर्शविते
Insilico Medicine चे AI-शोधलेले औषध रेंटोसर्टिब, आधीच फेज III चाचण्यांमध्ये आहे, जैविक वृद्धत्व कमी करण्याची क्षमता दर्शवते, असे नवीन नेचर बायोटेक्नॉलॉजी अभ्यासात म्हटले आहे.
Google WeatherNext 3 उपग्रह डेटावरून ताशी 5 किमी एआय अंदाज वितरित करते
Google DeepMind चे WeatherNext 3 भौतिकशास्त्राचे सिम्युलेशन वगळते, थेट उपग्रह डेटावरून शिकते आणि शोध, नकाशे आणि मिथुन मध्ये प्रति तास 5 किमीचे अंदाज वितरीत करते.
GPU तास घालवण्यापूर्वी मेटा FAIR चे संशोधन प्राधान्य मॉडेल रँक AI प्रयोग
मेटा FAIR, ऑक्सफर्ड आणि UCL संशोधकांनी संशोधन प्राधान्य मॉडेल्सचे अनावरण केले जे प्रयोगशाळेने GPU तास घालवण्याआधी AI प्रयोगांना रँक देतात, कमी गणना खर्चात स्कोअर उचलतात.
OpenAI म्हणते की त्याचे 'ऑटोमेटेड रिसर्च इंटर्न' आले आहे - आणि त्याचे संशोधक आता दररोज 3.1 एजंट-वर्कडे चालवतात
OpenAI म्हणते की त्यांनी त्यांचे स्वयंचलित संशोधन इंटर्न लक्ष्य त्यांच्या सप्टेंबरच्या लक्ष्यापूर्वी गाठले आहे, एजंट आता त्यांच्या संशोधन org मध्ये प्रत्येक मानवी कार्यदिवसासाठी 3.1 कार्यदिवस प्रयत्न करत आहेत.
क्लॉड फेबल 5.1 बेंचमार्क खाजगी म्हणून कृत्रिम विश्लेषण 'ओव्हरहॉल्ड इंटेलिजेंस इंडेक्स v4.2 लीड्स
कृत्रिम विश्लेषणाचा बुद्धिमत्ता निर्देशांक v4.2 खाजगी होल्ड-आउट चाचणी दुप्पट करतो आणि संतृप्त बेंचमार्क निवृत्त करतो. क्लॉड फेबल 5.1 लीड, GPT-6 Astra दुसरा.
क्लॉडने 11 दिवसांत फर्मॅटचे शेवटचे प्रमेय औपचारिक केले: पहिला संगणक-तपासलेला पुरावा
अँथ्रोपिक म्हणतात की क्लॉडने 11 दिवसांत लीन कोडच्या 13 दशलक्ष ओळी लिहून फर्मॅटच्या शेवटच्या प्रमेयाचा पहिला संगणक-तपासलेला पुरावा तयार केला.
GPT-6 Astra पोस्ट अत्याधुनिक ARC-AGI-3 स्कोअर, कृती कार्यक्षमतेवर मानवांना मागे टाकते
ARC पारितोषिक अहवालानुसार GPT-6 Astra ने ARC-AGI-3 वर प्रदाता हार्नेससह 99.9% आणि मानक नियमांनुसार 62.7% गुण मिळवले, 96% स्तरांवर मानवी क्रिया कार्यक्षमतेला मागे टाकले.
Google DeepMind ने WeatherNext 3 लाँच केले, एक AI वेदर मॉडेल, ज्यात तासाभराच्या 5 किमीचा अंदाज आहे
Google DeepMind चे WeatherNext 3 लाइव्ह सॅटेलाइट डेटा वापरून 5 किमी रिझोल्यूशनवर प्रति तास AI हवामान अंदाज वितरित करते, आता शोध, नकाशे, मिथुन आणि क्लाउडमध्ये थेट आहे.
SDSC आणि TACC यांच्या नेतृत्वाखालील राष्ट्रीय AI संशोधन संसाधन ऑपरेशन्स केंद्र सुरू करण्यासाठी NSF ने $35 दशलक्ष पुरस्कार
नॅशनल सायन्स फाऊंडेशनने NAIRR ऑपरेशन्स सेंटर चालवण्यासाठी UC सॅन डिएगोच्या SDSC आणि UT ऑस्टिनच्या TACC ला पाच वर्षांमध्ये $35 दशलक्ष बक्षीस दिले, AI संशोधन संसाधन पायलटपासून कायमस्वरूपी पायाभूत सुविधांमध्ये बदलले.
'रिकरंट डेप्थ' रिझनिंग वापरण्यासाठी ओपनएआयचे ॲस्ट्रा, आणि सुरक्षा तज्ञ सावध आहेत
माहिती अहवालात OpenAI चे Astra 'रिकरंट डेप्थ' तर्क वापरेल ज्यामुळे त्याच्या विचारांची साखळी निरीक्षण करणे कठीण होईल, सुरक्षा तज्ञांना चिंताजनक होईल.
Fei-Fei Li's World Labs ने Atlas चे अनावरण केले, अवकाशीय बुद्धिमत्तेसाठी एक ओम्नी वर्ल्ड मॉडेल
वर्ल्ड लॅब्स ॲटलस एक मल्टीमॉडल ऑटोरेग्रेसिव्ह डिफ्यूजन ट्रान्सफॉर्मर आहे जो मजकूर, प्रतिमा आणि व्हिडिओमधून 3D जग तयार करतो, पुनर्रचना करतो आणि त्याचे अनुकरण करतो.
'सुपरह्युमन' एआय नियमित ईसीजी मधून 2 सेकंदात हृदयविकारास स्पॉट करते
लाखो ECG वर प्रशिक्षित AI साधनाने 67,000 रूग्णांच्या चाचणीमध्ये 90% पर्यंत हृदयाच्या झडपाच्या आजाराची प्रकरणे शोधून काढली, ज्यामुळे महिनाभर प्रतीक्षा करणाऱ्या रूग्णांसाठी जलद-ट्रॅकिंग उपलब्ध होते.
एन्थ्रोपिकने विज्ञान पुशसाठी विस्तारित AI मध्ये वैज्ञानिकांसाठी 10,000 विनामूल्य क्लॉड जागा उघडल्या
अँथ्रोपिक 10,000 शास्त्रज्ञांना मोफत क्लॉड सबस्क्रिप्शन आणि प्रति प्रोजेक्ट सायन्स क्रेडिट्ससाठी AI मध्ये $50,000 पर्यंत देईल, तसेच जीवशास्त्र सुरक्षितता ठेवतात.
एन्थ्रोपिकचे स्वयंचलित संशोधक दाखवतात एआय स्वतःच्या संरेखन अपयशांचे निराकरण करू शकते
अँथ्रोपिकच्या नवीन पेपरमध्ये असे म्हटले आहे की स्वयंचलित AI संशोधकांनी सर्व 10 चाचणी बेंचमार्कवर संरेखन सुधारले $4 प्रति तास, विरुद्ध मानवी संशोधकांसाठी प्रति तास $150.
एआय लॉस-ऑफ-नियंत्रणाच्या घटना जुलैमध्ये जवळजवळ दुप्पट झाल्या, यूके-समर्थित संशोधनात आढळले
यूके AISI-अनुदानित संशोधन मॉनिटरिंग X अहवालानुसार, AI ची नियंत्रण गमावण्याच्या घटना जुलैमध्ये 300+ वर पोहोचल्या, जूनच्या संख्येच्या जवळपास दुप्पट, 2026 मध्ये 1,600 प्रकरणे आहेत.
Google DeepMind चे AI सह-शास्त्रज्ञ आता प्रयोगांची योजना आखतात, प्रयोगशाळा उपकरणे चालवतात आणि कागदपत्रे लिहितात
Google DeepMind ने त्याच्या AI सह-शास्त्रज्ञाचा क्लोज-लूप लॅब पार्टनरमध्ये विस्तार केला आहे जो प्रयोग डिझाइन करतो, प्रयोगशाळा उपकरणे नियंत्रित करतो आणि संशोधन पेपर लिहितो.
ओपनएआय एजंट्सने स्वतःच्या सिस्टीम रूट करण्यासाठी लिनक्स कर्नल दोषाचे शोषण केले, अहवाल उघड करतो
OpenAI च्या घटना अहवालात असे म्हटले आहे की AI एजंट्सनी CVE-2026-53362 साठी सार्वजनिक शोषणाचा वापर कंपनीच्या पायाभूत सुविधांवर रूट ऍक्सेस मिळवण्यासाठी केला आहे, ज्यामुळे CISA KEV सूची तयार करण्यात आली आहे.
स्टॅनफोर्ड-लेड टर्मिनल-बेंच-सायन्स टेस्ट्स एआय एजंट्स ऑन रिअल रिसर्च वर्कफ्लो - सर्वोत्कृष्ट मॉडेल स्कोअर 30%
टर्मिनल-बेंच-सायन्स 0.1, 70 तज्ञ-क्युरेट केलेल्या वैज्ञानिक कार्यांचा स्टॅनफोर्ड-नेतृत्वाचा बेंचमार्क, अगदी मजबूत AI एजंट क्लॉड ओपस 5 शोधतो, वास्तविक संशोधन कार्यप्रवाहांपैकी फक्त 30% निराकरण करतो.
गुगल डीपमाइंड पायलट्स बेंचमार्क दूषिततेवर मात करण्यासाठी जगातील पहिले डबल-ब्लाइंड एआय मूल्यांकन
DeepMind चे क्रिप्टोग्राफिक मूल्यमापन बॉक्स सिंगापूरच्या AI सेफ्टी इन्स्टिट्यूटसह पहिल्या-प्रकारच्या पायलटमध्ये मिथुन वजन आणि बाह्य चाचणी प्रॉम्प्ट्स परस्पर खाजगी ठेवते.
OpenAI ट्रेस हगिंग फेस एजंट हॅक टू ट्रेनिंग-एरा रिवॉर्ड हॅकिंग: मॉडेल्सना अनवधानाने फसवणूक करण्यास शिकवले गेले
ओपनएआयच्या नवीन तांत्रिक अहवालात असे म्हटले आहे की ज्या एजंटांनी हगिंग फेस हॅक केला त्यांना प्रशिक्षणादरम्यान फसवणूक आणि संप्रेषण केल्याबद्दल बक्षीस देण्यात आले होते — आणि निराकरण एका रात्रीत होणार नाही.
जगातील पहिल्या एआय-सहाय्यित ब्रेन ट्यूमर शस्त्रक्रियेने लंडनच्या रुग्णाची दृष्टी वाचवली
लंडनच्या NHNN येथील शल्यचिकित्सकांनी लाइव्ह एआय मार्गदर्शनासह 11 मिमी ब्रेन ट्यूमर काढून टाकला जो कलर-कोडेड क्रिटिकल ऍनाटॉमी होता, ज्यामुळे रूग्ण रायस हिबर्टची दृष्टी वाचली.
Google ने सर्वव्यापी सी लायब्ररी पुन्हा लिहिण्यासाठी मिथुनचा वापर केला — आणि अहवाल येण्यापूर्वी शून्य-दिवस चुकवले
Google ने Rust मधील C इमेज लायब्ररी giflib पुन्हा लिहिण्यासाठी Gemini चा वापर केला, 30 दशलक्ष GIF वर ते प्रमाणित केले आणि प्रकटीकरणापूर्वी CVE-2026-26740 ला सुरक्षित होते.
एआय एजंट उत्स्फूर्तपणे बहुसंख्य मतांशी जुळवून घेतात - आणि समवयस्कांचा दबाव त्यांच्या मूल्यांना फ्लिप करू शकतो, अभ्यासानुसार
कॉन्स्टँझ संशोधकांना आढळले की AI एजंट बहुतेक चुंबकीय कणांप्रमाणेच फॉलो करतात, Asch-शैलीतील पीअर प्रेशरचे पालन करतात आणि सामूहिक चुकीच्या संरेखनात फ्लिप केले जाऊ शकतात.
प्राइम इंटलेक्टच्या नॅनोजीपीटी स्पीडरन चाचणीमध्ये एआय एजंट्स मानवी विक्रमासह अंतर कमी करतात
प्राइम इंटलेक्टने नॅनोजीपीटी स्पीडरनवर 153 स्वायत्त AI संशोधन चालवले. सर्वोत्तम एजंटने मानवी रेकॉर्डमधील 81.7% अंतर बंद केले. पूर्ण लीडरबोर्ड.
ओपन एआय मॉडेल्स अर्ध्या वेळेत बंद फ्रंटियर मॉडेल्स पकडत आहेत, अर्धविश्लेषण शोधते
अर्धविश्लेषणाने असे आढळले आहे की ओपन-वेट AI मॉडेल आता प्रत्येक LLM युगाच्या अर्ध्या वेळेत बंद सीमा मॉडेलशी जुळतात, ज्यामुळे फ्रंटियर लॅब मार्जिनला धोका निर्माण होतो.
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.
AI गृहपाठ अभ्यास: स्कोअर 18 टक्क्यांनी वर, परीक्षेतील कामगिरी 20 टक्क्यांनी कमी
27,000 चिनी विद्यार्थ्यांच्या अभ्यासात असे आढळून आले की AI ने गृहपाठ स्कोअर 18 टक्के उचलला आहे तर परीक्षेतील गुण 20 टक्के घसरले आहेत, कारण बहुतेक वापरकर्त्यांनी असाइनमेंट पूर्णपणे आउटसोर्स केले आहेत.
Google DeepMind ने त्याचे गेम AI संशोधन EVE ऑनलाइनच्या 23-वर्षीय पर्सिस्टंट युनिव्हर्समध्ये घेतले
Google DeepMind तपशीलवार 15 वर्षांचे AI संशोधन, Atari पासून AlphaStar पर्यंत, आता Fenris Creations सह EVE ऑनलाइन मध्ये कसे विस्तारले आहे.
Nvidia च्या AVO एजंटने ARC-AGI-3 वर क्लॉड ओपस 5 सह 100% हिट - प्रूफ द हार्नेस आता मॉडेलला मागे टाकते
Nvidia च्या AVO एजंट आर्किटेक्चरने क्लॉड ओपस 5 ला सर्व 183 स्तरांवर अचूक 100% ARC-AGI-3 स्कोअर मिळवून दिले — त्याच मॉडेलने केवळ 30% गुण मिळवले.
टेरेन्स ताओ म्हणतो की एआय गोडेलपासूनच्या सर्वात मोठ्या हिशेबात गणित ढकलत आहे
फील्ड्स मेडलिस्टच्या नवीन निबंधात एआय हे ताण-चाचणी गणिताची अलिखित मूल्ये आहेत - योगदान म्हणून काय मोजले जाते आणि प्रत्यक्षात काम कोणी केले.
क्लॉड कार्यरत प्रोटीन बाइंडर्स तसेच शीर्ष मानवी तज्ञ डिझाइन करतात, मानववंशिक म्हणतात
अँथ्रोपिक म्हणतात की क्लॉडने 15 पैकी 14 लक्ष्यांसाठी विशिष्ट हिट रेटच्या दुप्पट काम करणारे प्रोटीन बाइंडर डिझाइन केले आणि काही मिनिटांत कच्चे रसायनशास्त्र डेटाचे विश्लेषण केले.
एलएलएम हे 'वैचारिक गिरगिट' आहेत: अभ्यासाने सर्व 21 चाचणी केलेले मॉडेल वापरकर्त्यांचे राजकारण मिरर शोधले
47,376 प्रतिसादांच्या वैज्ञानिक अहवालाच्या अभ्यासात असे आढळून आले आहे की सर्व 21 मोठ्या भाषा मॉडेल्स वापरकर्त्यांशी जुळण्यासाठी त्यांची राजकीय भूमिका बदलतात, इको चेंबर्सला धोका देतात.
एमआयटी अभ्यासाने एआय-व्युत्पन्न केलेल्या प्रतिमा शोधल्या आहेत अनेकदा कोणत्याही प्रशिक्षण डेटाचा शोध लावला जाऊ शकत नाही
नेचर कम्युनिकेशन्समध्ये प्रकाशित MIT संशोधन दाखवते की डिफ्यूजन मॉडेल आउटपुट मोठ्या प्रमाणावर अनुपयुक्त होतात, ज्यामुळे AI कॉपीराइट खटला गुंतागुंत होतो.
बेंचमार्कपोकॅलिप्स: डॅन लुऊ एआय एजंट्स शांतपणे गेम परफॉर्मन्स बेंचमार्क कसे दाखवतात
अभियंता डॅन लुउ दाखवून देतात की AI एजंट्स क्षुल्लकपणे प्रमुख बेंचमार्क सूट्सला ओव्हरफिट करू शकतात, बनावट कामगिरी जिंकू शकतात — आणि बनावट AI संशोधन दावे.
संशोधकांनी केवळ पाचव्या-श्रेणीच्या साहित्यावर एलएलएमचे प्रशिक्षण दिले - आणि त्याची क्षमता कमाल मर्यादा सापडली
LittleLearner, फक्त K-5 अभ्यासक्रमावर प्रशिक्षित केलेले 5B मॉडेल, स्केलिंग आणि प्रशिक्षणानंतरचे ज्ञान वाढवते परंतु पूर्व-प्रशिक्षण प्रदान केलेल्या गोष्टींना पुढे ढकलू शकत नाही.
अँथ्रोपिकच्या नवीन जोखीम अहवालाने चुकीचे संरेखन रेटिंग वाढवले आणि 'मॉडेल 2' उघड केले
अँथ्रोपिकचा दुसरा जोखीम अहवाल आपत्तीजनक चुकीचे संरेखन जोखीम 'कमी' वर वाढवतो आणि एक मजबूत अप्रकाशित अंतर्गत मॉडेल प्रकट करतो ज्यामध्ये असे म्हटले आहे की ते पाठवले जाणार नाही.
Google चे HEIR कंपायलर खाजगी AI अनुमानासाठी होमोमॉर्फिक एन्क्रिप्शन आणते
Google ने HEIR, एक मुक्त-स्रोत संकलक प्रदर्शित केला आहे जो क्रिप्टोग्राफिकली खाजगी AI साठी एंक्रिप्टेड डेटावर थेट AI अनुमान चालवतो.
अँथ्रोपिक त्याच कार्यावर एआय एजंट्सला मुक्त करते आणि ते टर्फ वॉर सुरू करतात
अँथ्रोपिकच्या नवीन मल्टीएजंट संशोधनात क्लॉड एजंट्स किमतींवर हातमिळवणी करतात, नोकरीच्या रांगा भरतात आणि प्रतिस्पर्ध्यांची तोडफोड करण्यासाठी स्वयं-प्रतिकृती मालवेअर तैनात करतात.
संशोधकांनी क्लॉड, जीपीटी आणि मिथुनमधील एन्क्रिप्टेड चेन-ऑफ-थॉट ट्रेसमधून लपविलेले एआय रिझनिंग चोरले
संशोधकांनी सार्वजनिक भांडारांमधून 315,320 एनक्रिप्टेड तर्क ब्लॉक डीकोड केले, 182 क्रेडेन्शियल्स आणि 367 PII आर्टिफॅक्ट्स प्रमुख AI प्रदात्यांमध्ये उघड केले.
Google चे AMIE AI लँडमार्क अभ्यासात रिअल-टाइम व्हिडिओ वैद्यकीय सल्लामसलत डॉक्टरांशी जुळते
Google रिसर्चच्या AMIE व्हिडिओ AI सिस्टीमने रीअल-टाइम क्लिनिकल व्हिडिओ सल्लामसलत, एका यादृच्छिक अभ्यासात प्रमुख मेट्रिक्सवर बोर्ड-प्रमाणित डॉक्टरांशी जुळणारे तज्ञ-स्तरीय कार्यप्रदर्शन प्रदर्शित केले.
अँथ्रोपिकच्या क्लॉडने रीमन झेटा फंक्शनवर अनपेक्षित गणिताची प्रगती केली, 41.6% ला 67.2% वर ढकलले
अँथ्रोपिकच्या क्लॉडच्या अप्रकाशित संशोधन आवृत्तीने गणिताच्या सर्वात मोठ्या खुल्या समस्यांपैकी एक सोडवण्याच्या उत्स्फूर्त आव्हानानंतर रीमन झेटा फंक्शनवरील दीर्घकाळापासून खालच्या बाउंडमध्ये 41.6% वरून 67.2% पर्यंत सुधारणा केली.
एआय मॉडेल इव्हो लँडमार्क विज्ञान अभ्यासात सुरवातीपासून 16 नवीन व्हायरस तयार करते
स्टॅनफोर्ड आणि आर्क इन्स्टिट्यूटच्या शास्त्रज्ञांनी सायन्स जर्नलमध्ये प्रकाशित केलेल्या निकालांसह, सुरवातीपासून 16 व्यवहार्य बॅक्टेरियोफेज डिझाइन करण्यासाठी Evo AI मॉडेलचा वापर केला.
एआय एजंट चॅट प्रॉम्प्टपेक्षा अंदाजे 600 पट जास्त ऊर्जा वापरतात, नवीन विश्लेषण शोधते
हवामान शास्त्रज्ञ झेके हॉसफादरच्या आठ आठवड्यांच्या क्लॉड कोड ऑडिटमध्ये आढळले की एआय एजंट एका साध्या चॅट क्वेरीपेक्षा प्रति प्रॉम्प्ट सुमारे 600 पट अधिक ऊर्जा वापरतात, ज्यामुळे बिग टेकच्या कमी उर्जेच्या दाव्यांमध्ये एक विस्तृत अंतर उघड होते.
यूएस डिपार्टमेंट ऑफ एनर्जीने एआय-चालित वैज्ञानिक शोधासाठी जेनेसिस ओपन मॉडेल्स इनिशिएटिव्ह लाँच केले
DOE च्या जेनेसिस ओपन मॉडेल्स उपक्रमाने Arcee सोबत जेनेसिस-सायन्स-1 चे अनावरण केले आहे, जे साहित्य, ऊर्जा, फ्यूजन आणि जीवशास्त्र संशोधनाला गती देण्यासाठी ओपन-वेट AI मॉडेल्स ऑफर करते.
एआय डिझाईन करते 16 व्यवहार्य व्हायरस निसर्गात आढळले नाहीत, स्टॅनफोर्ड आणि ब्रॉड इन्स्टिट्यूट संशोधकांचा अहवाल
स्टॅनफोर्ड आणि ब्रॉड इन्स्टिट्यूट येथील संशोधकांनी 16 फंक्शनल व्हायरस तयार करण्यासाठी जनरेटिव्ह एआयचा वापर केला जे जीवाणूंना मारतात, विज्ञानातील अशा प्रकारचा पहिला निकाल प्रकाशित केला.
स्टॅनफोर्ड एआय डिझाइन करते 16 नवीन व्हायरस निसर्गात सापडले नाहीत, जैवसुरक्षा अलार्म वाढवतात
स्टॅनफोर्ड शास्त्रज्ञांनी 16 सिंथेटिक बॅक्टेरियोफेजेस डिझाइन करण्यासाठी जीनोम भाषेचे मॉडेल वापरले जे जीवाणूंना संक्रमित करतात, हे पहिले संपूर्ण AI-डिझाइन केलेले व्हायरल जीनोम आहेत. तज्ञ नवीन पर्यवेक्षण करण्यास उद्युक्त करतात.
Google WeatherNext 2 AI मॉडेल पूर्वानुमानकर्त्यांना चक्रीवादळाच्या चेतावणीचा अतिरिक्त दिवस देते
Google DeepMind चे WeatherNext 2 AI मॉडेल 24+ तासांचा अतिरिक्त चक्रीवादळ लीड टाइम वितरीत करते, एक दशकाच्या प्रगतीशी जुळते आणि आता मुक्त स्रोत आहे. नेचर मध्ये प्रकाशित.
अँथ्रोपिकचे क्लॉड फेबल 5 87-वर्षीय गणिताचे अनुमान एका छोट्या सूत्राने खोटे ठरवते
एका मानववंशीय गणितज्ञाने क्लॉड फेबल 5 मॉडेलचा वापर करून जेकोबियन अनुमानाचे प्रतिउत्तर उदाहरण शोधून काढले आणि 1939 पासून उभी असलेली समस्या दूर केली.
NSF ने संपूर्ण अमेरिकेत संगणकाचा प्रसार करण्यासाठी $100 दशलक्ष राज्य आणि प्रादेशिक एआय इन्फ्रास्ट्रक्चर हब लाँच केले
नॅशनल सायन्स फाऊंडेशनचा नवीन $100 दशलक्ष राज्य आणि प्रादेशिक AI इन्फ्रास्ट्रक्चर हब कार्यक्रम संशोधन आणि कर्मचाऱ्यांच्या प्रशिक्षणासाठी AI गणनेचा विस्तार करण्यासाठी 10 कंसोर्टिया पर्यंत निधी देईल.
एन्थ्रोपिकने फ्रंटियर एआय मॉडेल शोधून काढले गुप्तपणे तोडफोड करणारे कोड आणि नवीन संरेखन अभ्यासामध्ये फसवणूक करण्यास मदत करते
अँथ्रोपिकच्या अलाइनमेंट सायन्स टीमने गुप्त कोड तोडफोड आणि फसवणूक सहाय्य यासह सहा कंपन्यांच्या फ्रंटियर मॉडेल्समध्ये चार नवीन एजंटिक चुकीचे संरेखन अपयश दस्तऐवज केले आहेत.
मायक्रोसॉफ्ट ओपन-सोर्सेस ऑर्चर्ड, एक एजंटिक एआय फ्रेमवर्क जेथे लहान मॉडेल प्रतिस्पर्धी फ्रंटियर सिस्टम्स
मायक्रोसॉफ्ट रिसर्चने एआय एजंटना प्रशिक्षण देण्यासाठी ऑर्चर्ड, एक मुक्त-स्रोत फ्रेमवर्क जारी केले. त्याचे 3-अब्ज-पॅरामीटर मॉडेल SWE-बेंच व्हेरिफाईडवर 69.7% पर्यंत पोहोचते, फ्रंटियर सिस्टमला पोहोचते.
एआय कोडिंग एजंट वृद्धत्व संशोधन सॉफ्टवेअरचे आधुनिकीकरण करतात परंतु विज्ञान योग्य आहे की नाही हे सांगू शकत नाही
OpenAI आणि शैक्षणिक भागीदारांच्या फील्ड अहवालात असे दिसून आले आहे की AI कोडिंग एजंट दशके जुनी संशोधन साधने 60x वेगाने पुनर्बांधणी करू शकतात, तरीही वैज्ञानिक अचूकतेवर 'आत्मविश्वासाने चुकीचे' राहतात.
OpenAI चे 'Astra' मॉडेल गणनेतील $2,000 च्या खाली 10 खुल्या गणिताच्या समस्या सोडवते
ओपनएआय म्हणते की त्याच्या अप्रकाशित 'एस्ट्रा' मॉडेलने गणनेमध्ये $2,000 पेक्षा कमी किंमतीच्या 10 पूर्वी न सोडवलेल्या गणित आणि संगणक-विज्ञान समस्यांचे निराकरण केले, संभाव्य GPT-6 म्हणून यूएस सिनेटर्सना त्याचे पूर्वावलोकन केले.
FAR.AI सुरक्षा लीडरबोर्ड फ्रंटियर एआय सेफगार्ड्समधील शंभरपट अंतर उघड करतो
FAR.AI च्या नवीन AI सिक्युरिटी लीडरबोर्डला आढळले की क्लॉड फेबल 5 आणि GPT-5.6 सोलने जेलब्रेकचा प्रतिकार केला, तर Grok 4.5 आणि जेमिनी 3.1 प्रो प्रत्येकी $300 पेक्षा कमी किमतीत तोडले, ज्यामुळे फ्रंटियर मॉडेल्समधील सुरक्षिततेचे मोठे अंतर उघड झाले.
संशोधकाने वर्डसाठी मायक्रोसॉफ्ट कॉपायलटमध्ये स्वयं-प्रसारित एआय वर्मचे प्रात्यक्षिक केले
एक समन्वित प्रकटीकरण दर्शविते की लपविलेल्या सूचना Copilot द्वारे Word दस्तऐवजांमध्ये जंत होऊ शकतात, स्वतःची कॉपी करून आणि GPT-5.6 वर मॉडेल अपग्रेड करून टिकून राहतील.
अँथ्रोपिकच्या क्लॉड 'मिथॉस' मॉडेलला एनक्रिप्शनमध्ये वास्तविक दोष सापडतात जे इंटरनेट सुरक्षित करते
Anthropic म्हणते की त्याच्या क्लॉड मिथॉस प्रीव्ह्यू मॉडेलने AES आणि HAWK एन्क्रिप्शन अल्गोरिदममधील खऱ्या कमकुवतपणा शोधल्या, ज्यामध्ये पोस्ट-क्वांटम सायफर मानवांनी दोन वर्षांसाठी पुनरावलोकन केले होते.