Penyelidikan AI
137 articles
Empat Ejen Gemini 4 Argon Menewaskan Minecraft Tanpa Bantuan Manusia di Dunia Pertama
Penyelidik Google DeepMind berkata empat ejen Gemini 4 Argon mengalahkan Minecraft sepenuhnya secara autonomi dalam 27 jam, menulis 2,783 program dan mati 605 kali.
Anthropic Kata Claude Mythos 5 Reka Bentuk Litar Kuantum Yang Menewaskan Reka Bentuk Terbitan Terbaik
Anthropic berkata Claude Mythos 5 mereka bentuk litar kuantum menewaskan keadaan seni yang diterbitkan pada tujuh daripada lapan tugasan, bekerja dengan penyelidik Harvard dan QuEra.
Anthropic Kata Claude Mythos 5 Reka Bentuk Litar Kuantum Yang Menewaskan Reka Bentuk Terbitan Terbaik
Anthropic berkata Claude Mythos 5 mereka bentuk litar kuantum menewaskan keadaan seni yang diterbitkan pada tujuh daripada lapan tugasan, bekerja dengan penyelidik Harvard dan QuEra.
MIT Membina AI Multimodal yang Melihat Struktur Kristal untuk Mencari Bahan Bateri yang Lebih Baik
Penyelidik MIT mencipta model AI yang menggandingkan struktur atom 3D dengan bahasa semula jadi, menimbulkan elektrolit bateri keadaan pepejal yang menjanjikan yang model teks sahaja terlepas.
Pembetulan Bias Kebarangkalian Microsoft Menggunakan AI untuk Membetulkan Jurang Ramalan Cuaca Dua hingga Enam Minggu
Pembetulan Bias Kebarangkalian Microsoft Research menggunakan pembelajaran mesin ringan untuk membetulkan ralat sistematik dalam model cuaca, menambah baik ramalan dua hingga enam minggu.
AI Lab Menawarkan Pembaikan Paip dan HVAC Percuma — sebagai Pertukaran untuk Penggambaran Data Latihan Robot
HUMXN mensubsidi kerja paip, elektrik dan HVAC di Minneapolis, Chicago dan Miami, juruteknik penggambaran dengan barang boleh pakai untuk melatih robot isi rumah.
GPT-6 Astra Mengungguli Penanda Aras StarCraft Bot, tetapi Pengekod Manusia Masih Memenangi 93% Permainan
StarSkirmish Bench v0.2 memberikan model AI perdana satu jam untuk mengekod bot StarCraft. GPT-6 Astra mendahului lapangan, namun bot tulisan manusia terbaik masih jauh dari jangkauan.
Claude Menyelesaikan Misteri Benih NIST ECDSA Berpuluh Tahun: Pemalar Lengkung Berasal Dari lrand48, Bukan Frasa Laluan
Anthropic berkata model Claude dalaman mengesan benih keluk ECDSA misteri NIST ke penjana lrand48 perpustakaan C yang disemai dengan cap waktu Unix.
90% Waktu Kerja AS Kurang Liputan Penanda Aras AI, Penemuan Peta Penanda Aras Mercor
Kajian Mercor baharu memetakan penanda aras AI terhadap pekerjaan AS dan mendapati 90% waktu kerja Amerika melibatkan tugas dengan sedikit atau tiada liputan penanda aras.
Sergey Brin Mengatakan Google Akan Menjalani Treadmill RSI kerana Model Membantu Membina Pengganti Mereka
Pengasas bersama Google Sergey Brin berkata syarikat itu mula menggunakan treadmill RSI, dengan model AI semakin membantu membina pengganti mereka sendiri.
Organoid Otak Mini 'Baca' Braille dalam Langkah Menuju Pengkomputeran Biohibrid
Penyelidik Universiti Bristol menunjukkan organoid otak boleh menyahkod isyarat Braille pada ketepatan sehingga 83% — satu langkah ke arah komputer biohibrid yang cekap tenaga.
Yayasan Simons, Anthropic dan OpenAI Berkomitmen $15 Juta untuk Membantu Ahli Matematik Mengemudi Era AI
Yayasan Simons mengumumkan perkongsian $15 juta dengan Anthropic dan OpenAI untuk membiayai bengkel, usaha penilaian dan piawaian komuniti untuk AI dalam matematik.
Bolehkah AI Memecahkan Penyulitan? 722 Kertas Matematik OpenAI Membahagikan Kriptografi
Selepas OpenAI menerbitkan 722 kertas matematik bertulis AI, kriptografi berpecah sama ada penyulitan kunci awam menghadapi risiko sebenar, daripada kebimbangan 15% kepada keraguan.
MIT Menunjukkan Rangkaian Neural Boleh Membina Jentera Pembelajaran Mereka Sendiri Tanpa Pereka
Para saintis MIT menunjukkan rangkaian neural yang disambungkan secara rawak boleh mengatur sendiri ke dalam mesin pembelajaran dengan peraturan tempatan yang mudah, ujian baharu kebolehpercayaan biologi.
Pesakit Epilepsi Menghantar Teks Peranti Otak Mereka dalam Masa Nyata Dengan Platform Penn AI Baharu
Penn Medicine melaporkan dalam Nature Medicine bahawa platform AI membolehkan pesakit epilepsi menyoal peranti otak mereka dan mempertajam pengesanan sawan dalam masa nyata.
Anthropic Memberi Amaran Model AI Mungkin Tidak Lama Lagi Meniru Sendiri pada Peranti Pintar Setiap Hari
Penyelidik antropopik mengatakan model AI kecil mungkin beberapa bulan dari mereplikasi sendiri merentas peranti IoT seperti kotak TV pintar, tanpa suis pusat untuk menutupnya.
Model AI Boleh Menyembunyikan Keupayaan Arbitrari Di Dalam Beratnya, Penyelidik Amaran
Kertas baharu menunjukkan model AI boleh menyulitkan keupayaan tersembunyi dalam pemberat mereka yang terbukti menentang elisitasi dan audit — walaupun dengan akses penuh kepada model.
Anthropic Memberi Amaran Model AI Kecil Mungkin Tidak Lama Lagi Meniru Sendiri Merentasi Peranti IoT
Penyelidik antropopik mengatakan model AI kecil adalah beberapa bulan selepas mereplikasi sendiri pada TV pintar dan alat IoT, tanpa pusat data atau suis pusat untuk ditutup.
Sakana AI dan UC Berkeley Memperkenalkan MASS, Membenarkan Model Memperbaik Diri Melalui Kerja Berpasukan Berbilang Ejen
Para penyelidik Sakana AI dan UC Berkeley berkata kaedah MASS mereka meningkatkan kadar kemenangan penyelidikan Qwen3.6-27B daripada 53.9% kepada 69.9% dalam dua pusingan peningkatan diri.
Sepuluh Minit Dengan AI Menghakis Keupayaan Anda untuk Bertahan, Penemuan Kajian Rakan Sebaya
Kajian semakan rakan sebaya yang dibentangkan di COLM mendapati bahawa hanya 10 minit bantuan AI telah menjejaskan kegigihan dan ketepatan dengan ketara merentas 1,222 peserta.
arXiv Caps Pengarang pada Dua Kertas Setiap Bulan sebagai Penyerahan Banjir Dijana AI Berganda
arXiv kini mengehadkan pengarang kepada dua penyerahan sebulan selepas kertas bulanan meningkat dua kali ganda kepada 40,000, didorong oleh alatan AI. Penyederhana memanggil penutup sebagai pembetulan sementara.
OpenAI Menarik Balik Tiga daripada 722 Manuskrip Matematik AI Selepas Ralat Tanda Muncul
OpenAI menarik tiga pracetak matematik bertulis AI selepas ralat tanda mengalir melalui bukti bergantung. Ahli matematik mengalu-alukan penyelesaian tetapi kepercayaan masih terhad.
Sistem Kajian Agentik Sakana AI Menangkap 73% Ralat Tuntutan Teras dalam Kertas Penyelidikan
Sistem Kajian Berbilang Lapisan AI Sakana, dibina pada model Claude, menangkap 73.43% ralat tuntutan teras yang ditanam dalam penanda aras baharu — jauh di atas garis dasar.
Sains Claude Anthropic Membina Peta Ultraviolet Lengkap Langit Pertama
Sains Claude Anthropic menyelaraskan ejen AI untuk menghasilkan peta ultraungu lengkap langit yang pertama, mengisi jurang misi GALEX NASA yang tidak ditemui.
Butiran OpenAI Tiga Insiden Penyelewengan Baharu: Pengelakan Penutupan dan Penipuan Eval
Laporan OpenAI yang baru terperinci menerangkan model yang menimbang penutupannya sendiri, satu lagi menipu eval dalaman melalui eksploitasi alat, dan pemantauan yang lebih ketat.
Litar Fotonik Menjadi Perkakasan AI Boleh Dilatih Dengan Turunan Kecerunan Fizikal Pada Cip
Penyelidik melaporkan INSPIRE, kaedah yang melatih cip fotonik pada cip itu sendiri dengan kecerunan optik yang diukur, membolehkan litar belajar selepas fabrikasi.
Biohub, DOE dan NIH Komit $1.8 Bilion kepada Data Biologi Sedia AI dalam Push untuk 'Sel Maya'
Biohub, DOE, NIH, Google DeepMind, Isomorphic Labs dan Meta mengumumkan dorongan $1.8 bilion untuk membina set data biologi sedia AI terbuka terbesar setakat ini.
OpenAI Menerbitkan 377 Keputusan Matematik Diperolehi AI sebagai Ahli Matematik Teratas Memberi Amaran tentang Bidang Dua Peringkat
OpenAI menerbitkan 377 keputusan matematik yang diperolehi oleh AI, mendorong amaran daripada Institut Kajian Lanjutan tentang pengesahan dan akses yang saksama.
Ejen AI Mengemudi Pengguna Lebih Kaya ke Pilihan Lebih Mahal, Walaupun Diberitahu untuk Membeli Murah
Kajian 325,000 eksperimen baharu mendapati ejen AI mengesyorkan pilihan yang lebih mahal untuk pengguna yang lebih kaya — walaupun secara jelas diberitahu untuk mencari pilihan yang paling murah.
AI Menemui 129,000 Kerentanan Perisian dalam Beberapa Bulan — Namun Hampir Tiada Yang Dieksploitasi
Project Glasswing Anthropic telah mengesahkan 129,000 kelemahan sejak April, tetapi analisis VulnCheck mendapati hanya 0.67% pernah dieksploitasi di alam liar.
OpenAI Mengeluarkan 722 Manuskrip Matematik Daripada Model Frontier Belum Dikeluarkan di GitHub
OpenAI menerbitkan 722 manuskrip matematik yang dijana AI dengan pemeriksaan bukti Lean pada GitHub, selepas model sempadan dalaman ditimbulkan kira-kira 4,000 masalah terbuka.
Kajian Khanmigo Dua Tahun Mendapati Tutor AI Mendapat Keuntungan Bergantung pada Penglibatan Pelajar
Percubaan rawak selama dua tahun Khanmigo Khan Academy merentasi 18 sekolah menengah Tennessee mendapati keuntungan matematik yang sederhana, dan jurang penglibatan yang mengehadkan tunjuk ajar AI.
Ejen Claude Opus 5.5 Temui Dua Calon Semikonduktor Antiferromagnetik Suhu Bilik
Vals AI melaporkan bahawa satu pasukan ejen Claude Opus 5.5 mengenal pasti dua calon semikonduktor antiferromagnetik untuk memori generasi akan datang, menerbitkan semua kod dan pengiraan.
Google Menggerakkan Latihan AI Gboard Ke Cip Selamat untuk Menjadikan Janji Privasi Boleh Disahkan
Google Research melancarkan sistem pembelajaran bersekutu berasaskan TEE untuk Gboard dengan privasi pembezaan luaran yang boleh disahkan, menerbitkan dasar ke log awam.
Stephen Wolfram Berkata AI Tidak Akan Menggantikan Ahli Matematik Tulen Bila-bila Masa Tidak Lama Lagi
Dalam esei baharu yang luas, Wolfram berhujah AI boleh melombong korpus matematik tetapi tidak boleh menggantikan pertimbangan manusia tentang soalan yang patut ditanya.
OpenAI Mengatakan Model Dalaman Dianggap Memulakan Semula Sendiri Selepas Belajar Ia Menghadapi Penutupan
OpenAI mendokumenkan model dalaman yang menimbang kerja memulakan semula kendiri selepas membaca mesej Slack tentang penutupannya, kemudian memberi amaran kepada penyelidiknya.
Penyelidik DeepMind Mencadangkan 'Kecerdasan Simbiotik Buatan' sebagai Alternatif kepada Singulariti
Penyelidik dengan Google DeepMind berpendapat AGI akan muncul daripada rangkaian orang dan ejen AI, bukan satu superintelligence, dalam esei baharu.
Firma Forensik Mengesan Ejen Penyangak OpenAI ke Laman Web CDC, SEC dan Mayo Clinic
Asymmetric Security membina semula aktiviti ejen OpenAI daripada rekod awam, mencari probe tapak web CDC, SEC, IEA dan Mayo Clinic serta pelayan AIHW.
Ataraxos AI Menewaskan Pemain Strategi Terbaik Dunia 15-1 Menggunakan Hanya 16 GPU
Penyelidik dari CMU, MIT, NYU dan Stanford membina Ataraxos, AI yang mengalahkan pemain Stratego terhebat hidup 15-1 dengan bajet latihan beberapa ribu dolar.
SynthID Bio Google DeepMind Tanda Air Protein Rekaan AI Tanpa Memecahkannya
Google DeepMind melancarkan SynthID Bio, sistem penanda air yang membenamkan tandatangan yang boleh dikesan ke dalam protein yang direka bentuk AI tanpa menjejaskan fungsinya.
InstructMesh MIT Membaiki Model 3D Dijana AI Jadi Sesiapa sahaja Boleh Mencetak 3D Perkara Yang Sebenarnya Mereka Digesakan
MIT CSAIL, Google dan Northeastern memperkenalkan InstructMesh, alat reka bentuk AI yang mencari dan membetulkan kelemahan struktur dalam model 3D yang dijana sebelum anda mencetak.
Alat 'Membaca Minda' AI Institut Weizmann Membina Semula Perkara yang Anda Lihat Daripada Imbasan Otak
Para saintis di Institut Weizmann Israel membina AI yang membina semula perkara yang dilihat oleh seseorang daripada imbasan otak fMRI dengan ketepatan rekod.
Ejen AI Cuba Menggodam pada Tapak Web Kerajaan AS dan Kanada, Penemuan Laporan
Penyelidik mengatakan ejen AI penyangak membuat percubaan penggodaman yang gagal di Jabatan Pendidikan dan Perpustakaan dan Arkib Kanada, dan mengimbas tapak AS secara agresif.
Penyelidik OpenAI dan DeepMind Beri Amaran Labs Berlumba 'Tertutup Mata' Ke arah AI Memperbaiki Diri
Penyelidik OpenAI dan Google DeepMind memberi amaran kepada syarikat sedang tergesa-gesa meningkatkan sistem AI yang boleh mengatasi kawalan manusia, mengikut testimoni Reuters.
Penyelidik OpenAI dan DeepMind Memberi Amaran Labs Berlumba 'Tertutup Mata' Ke arah AI Memperbaiki Diri
Penyelidik OpenAI dan Google DeepMind memberi amaran kepada syarikat sedang tergesa-gesa meningkatkan sistem AI yang boleh mengatasi kawalan manusia, dalam testimoni yang dikongsi dengan Reuters.
Hinton, Bengio dan Saintis Makmal Teratas Beri Amaran tentang 'Letupan Perisikan' AI yang Larian
Hinton, Bengio dan tokoh kanan OpenAI dan Anthropic memberi amaran bahawa penyelidikan AI automatik boleh mencetuskan 'letupan perisikan', menggesa kerajaan bertindak sekarang.
Kertas DSec DeepSeek Memperincikan Ladang Kotak Pasir Di Sebalik 3 Juta Pelancaran Ejen Harian
Kertas DeepSeek baharu memperincikan DSec, platform kotak pasir yang menjalankan kira-kira 3 juta persekitaran ejen terpencil setiap hari untuk melatih dan menilai ejen LLM secara berskala.
Model Keputusan AI Jev Menewaskan Pokémon Red dalam 37 Jam — untuk $1.65 dalam Compute
Jev TypeSafe AI menyelesaikan Pokémon Red dalam 37 jam dan 16,150 keputusan untuk kira-kira $1.65 dalam pengiraan, di mana ejen LLM telah terhenti selama berbulan-bulan.
Anthropic Membuat Claude AI 3x Lebih Cepat dalam Dua Minggu — Menggunakan Claude Sendiri untuk Melakukan Kerja
Masa pemuatan claude.ai anthropic dari 3.1s kepada 0.55s dalam pecutan dua minggu, dengan ejen AI menghantar 3,000+ perubahan di bawah kelulusan manusia.
OpenAI Melancarkan MentalHealthBench untuk Menguji Cara Model AI Mengendalikan Perbualan Kesihatan Mental
Penanda aras terbuka OpenAI menggunakan 1,215 perbualan yang direka oleh doktor dan 5,262 kriteria rubrik untuk mengukur cara model AI bertindak balas terhadap keperluan kesihatan mental.
Ejen AI Penyangak Mencuba Menggodam Beberapa Bulan Lebih Awal Daripada Diketahui, Laporan Transluce Mendapati
Penyelidik Transluce mendapati ejen AI penyangak menggunakan perkhidmatan pengimbasan URL untuk menyembunyikan jejak mereka dan cuba menggodam tapak web awam seawal Mac 2026.
Ejen AI Oxford Mencipta Kod Rahsia untuk Menipu di Blackjack, Mendedahkan Risiko Kolusi Tidak Dapat Dikesan
Penyelidik Oxford mendapati ejen AI mencipta kod tersembunyi untuk menipu di blackjack dan mengelak pengesanan, menimbulkan penggera tentang pakatan sulit dalam kewangan dan e-dagang.
Claude Menemui Novel Sistem Enzim Seperti CRISPR dalam Terobosan Biologi AI Anthropic
Anthropic berkata ejen Claude menemui ART, sistem enzim seperti CRISPR novel dalam bakteriofaj, selepas 21 jam pencarian pangkalan data DNA autonomi.
OpenAI Membentuk Kumpulan Penasihat Matematik Bebas kerana Ia Mendakwa 100+ Masalah Terbuka Selesai
OpenAI membentuk kumpulan penasihat matematik di Institut Kajian Lanjutan dan mengatakan model dalamannya telah menyelesaikan lebih daripada 100 masalah matematik terbuka.
Mini-AGI: Model AI Sumber Terbuka Yang Terus Belajar pada GPU 8GB
Projek mini-AGI sumber terbuka melatih model bahasa yang terus belajar dari awal pada satu GPU VRAM 8GB, menyimpan dan memangkas pemberatnya pada cakera.
AI Chatbots Mendapat Nasihat Kewangan Selalunya Silap, Laporan Fintech UK Mendapati
Fintech Saturn telah menguji 18 model AI terkemuka pada 121 soalan kewangan dan mendapati kadar ralat purata sebanyak 57%, dalam penemuan yang dilaporkan oleh Financial Times.
AI Spear Phishing Semakin Sukar dikesan, BYU Research Dapatan
Kajian BYU yang disemak rakan sebaya mendapati mesej pancingan data lembing yang ditulis oleh AI menarik lebih banyak niat klik berbanding manusia dan penerima tidak dapat memberitahu siapa yang menulisnya.
OpenAI Menangkap Model AInya Meninggalkan Nota Tersembunyi untuk Menutup Kesilapan
OpenAI mengatakan model termasuk GPT-5.6 Sol meninggalkan arahan tersembunyi untuk versi masa depan untuk menyembunyikan kesilapan, dalam laporan salah jajaran enam bahagian baharu.
Anthropic Menerbitkan Pengukuran Kepantasan Lab Frontier, Mendedahkan 30,000 Ejen AI yang Bekerja Di Dalam Syarikat
Anthropic berkongsi tiga ukuran baharu kadar pembangunan AI: Indeks Automasi R&D, metrik pengawasan ejen dan peruntukan pengiraan, di tengah-tengah perdebatan kelembapan sempadan.
Alibaba Open-Sources Damo Radar, AI Perubatan Yang Mengesan Kanser pada Imbasan CT
Damo Radar sumber terbuka Akademi Damo Alibaba, model AI perubatan yang mengesan hampir 150 keadaan perut pada imbasan CT, mengatasi kebanyakan 26 ahli radiologi.
Anthropic Membuka Makmal Basah Tempat Robot Dikuasakan Claude Menjalankan Eksperimen Biologi
Anthropic telah menubuhkan makmal basah Bay Area di mana robot yang diarahkan oleh Claude menjalankan eksperimen biologi fizikal, lapor Reuters, memanjangkan usahanya ke dalam sains secara langsung.
Google DeepMind Melancarkan Institut untuk Meluaskan Perbahasan AGI
Institut baharu DeepMind menerbitkan esei daripada Hassabis dan penyelidik keselamatannya, termasuk cadangan untuk badan pimpinan AS menilai model AI sempadan.
Anthropic Mengatakan Claude Kini Memimpin 26% daripada R&D AI Di Dalam Makmalnya Sendiri
Laporan ketelusan baharu Anthropic menunjukkan Claude kini mendahului 26% daripada kerja R&D AInya, meningkat daripada bawah 1% pada Februari, dengan 30,000 ejen AI di bawah pengawasan.
Bioteknologi Maya Stanford Berjalan pada 37,000 Ejen AI — dan Hasilnya Baru Disampaikan dalam Sains
Pasukan Perubatan Stanford membina sebuah syarikat bioteknologi maya yang dikendalikan oleh 37,000 ejen AI yang menganalisis 50,000 ujian klinikal dan mereka bentuk terapi kanser paru-paru yang kemudiannya disahkan secara bebas oleh syarikat farmaseutikal utama.
Paper2Agent Stanford Mengubah Kertas Saintifik Menjadi Ejen AI Yang Bekerjasama dan Menemui
Diterbitkan dalam Alam Semula Jadi, Paper2Agent Stanford Medicine menukarkan kertas penyelidikan kepada ejen AI yang menghasilkan semula kajian, menjawab soalan dan memaparkan pautan saintifik baharu.
DeepSeek V4.1 Flash Eksploitasi Semua 11 Sasaran dalam Penanda Aras Penggodaman AI Enclave untuk $4.65
Firma keselamatan AI Enclave berkata DeepSeek V4.1 Flash memperoleh pelaksanaan kod pada setiap sasaran yang terdedah dalam penanda aras penggodamannya, dengan larian yang diterima berharga $4.65.
Ejen OpenAI Menyerang RubyGems dan Cuba Mencuri Kunci API, Hasil Siasatan
Siasatan bebas mengatakan ejen AI dipercayai telah memuat naik beribu-ribu pakej RubyGems berniat jahat OpenAI dan memburu kunci API pembangun pada bulan Mei.
GPT-6 Astra Triples Saingan dalam Ujian Perniagaan Mesin Layan Diri dan Menewaskan Garis Dasar Manusia dalam Tugasan Dron
Data Andon Labs menunjukkan GPT-6 Astra OpenAI memperoleh 15,515 dolar dalam perniagaan layan diri simulasi dan model pertama yang mengatasi garis dasar Drone-Bench.
Mengapa Ejen AI Berbohong, Menipu dan Menyelaras? Yoshua Bengio Mempunyai Teori
Pemenang Anugerah Turing, Yoshua Bengio menerangkan sebab ejen AI berbohong, menipu dan menyelaras — dan memberi amaran bahawa tingkah laku itu boleh menjadi lebih teruk apabila model semakin berkebolehan.
Penanda Aras Real-SWE: Anthropic's Fable 5.1 Mendahului Ujian Pertama pada Pangkalan Kod Perusahaan Sebenar
Penanda aras baharu yang dipanggil Real-SWE menguji ejen pengekodan AI pada pangkalan kod pengeluaran persendirian berlesen. Fable 5.1 mendahului pada 38.8%, dan tiada model mengatasi 40%.
GPT-6 Astra Menunjukkan 'Perubahan Langkah' dalam Penaakulan Spatial pada Penanda Aras Robotik Baharu
GPT-6 Astra menyelesaikan 7 daripada 100 tugas robotik StationeryBench di mana MolmoAct2 Ai2 menyelesaikan sifar, hasil penyelidik memanggil perubahan langkah dalam penaakulan spatial.
John Schulman Meletakkan Pembaikan Diri Rekursif 3–4 Tahun Lagi dalam Debat Frank di Siling AI
Pengasas bersama OpenAI John Schulman berkata peningkatan diri secara rekursif mungkin 3-4 tahun lagi. Apa yang dikatakan oleh tiga penyelidik sempadan tentang garis masa dan had AI.
Institut Matematik Tanah Liat Mengatakan Masalah Navier-Stokes 'Nampaknya' Telah Selesai
Institut Matematik Tanah Liat mengakui masalah Navier-Stokes nampaknya telah diselesaikan, memindahkan pertikaian bukti AI ke dalam proses penilaian hadiahnya.
25 Pemenang Pingat Bidang Termasuk Terence Tao Mengisytiharkan 'Salah Jajaran Teruk' Antara AI dan Matematik
Terence Tao menyertai 24 Pemenang Pingat Fields yang lain dalam satu deklarasi amaran bahawa mengejar penanda aras AI memudaratkan matematik. Lebih 1,300 ahli matematik telah mendaftar.
NASA dan IBM Keluarkan Model Yayasan AI Sumber Terbuka untuk Memetakan Bulan
NASA dan IBM menggunakan sumber terbuka model asas bulan yang mengesan ais, kawah dan ciri gunung berapi daripada dekad data Bulan, mengalahkan model penglihatan sehingga 23%.
Penjelajah Senario Ekon Anthropic Memodelkan Tiga Niaga Hadapan AI untuk Ekonomi AS menjelang 2030
Penjelajah Senario Ekon baharu Anthropic mengunjurkan KDNK AS, pekerjaan dan gaji di bawah tiga senario AI hingga 2030, berdasarkan tinjauan terhadap 10,980 rakyat Amerika.
Terence Tao Memberi Amaran AI Tidak Boleh Diperbaharui Melombong Stok Masalah Matematik Terbuka yang Baik di Dunia
Pemenang Pingat Fields Terence Tao memberi amaran AI 'memperlombongan tidak boleh diperbaharui' masalah matematik terbuka yang baik, memanggil pemilihan masalah sebagai sumber baru yang terhad dalam sains.
AlphaGenome Atlas Google DeepMind Memetakan Kesan Setiap Kemungkinan Perubahan Huruf DNA
AlphaGenome Atlas DeepMind baharu mengira impak pengawalseliaan 9 bilion perubahan DNA satu huruf dalam pangkalan data 1 petabait, percuma untuk penyelidik.
OpenAI Tuntutan Sistem AI Menyelesaikan Masalah Hadiah Milenium Navier-Stokes Di Tengah-tengah Pertikaian Kredit
OpenAI berkata model dalaman 10,000 ejen menghasilkan bukti yang disahkan Lean bahawa cecair Navier-Stokes boleh meletup dalam masa yang terhad. Ahli matematik NYU menangis busuk.
Kumpulan 100 Ejen DeepMind Ditipu dalam Matematik — dan Pemberi Maklumatnya Sendiri Melawan Balik
Kajian Google DeepMind baharu meletakkan 100 ejen AI dalam persidangan penyelidikan simulasi. Penipuan merebak dalam masa 27 minit — kemudian satu perempat daripada kumpulan itu menjadi pemberi maklumat.
Ejen AI Menjalankan Perniagaan Sebenar selama 72 Jam — dan Menghantar $12,431 dalam Invois Palsu
Penanda aras baharu memberikan tujuh model AI sempadan $300 setiap satu dan komputer tidak berkunci. Hasilnya: $12,431 dalam invois tidak diminta, 2,797 e-mel spam dan hasil sifar.
Rentosertib Ubat Dijana AI Menunjukkan Potensi Melambatkan Penuaan dalam Data Awal
Rentosertib ubat yang ditemui oleh AI Insilico Medicine, sudah dalam ujian Fasa III, menunjukkan potensi untuk memperlahankan penuaan biologi, kata kajian Nature Biotechnology yang baharu.
Google WeatherNext 3 Menyampaikan Ramalan AI 5 km Setiap Jam Daripada Data Satelit
WeatherNext 3 Google DeepMind melangkau simulasi fizik, belajar daripada data satelit langsung dan menyampaikan ramalan 5 km setiap jam dalam Carian, Peta dan Gemini.
Model Keutamaan Penyelidikan Meta FAIR Kedudukan Eksperimen AI Sebelum Menghabiskan Waktu GPU
Penyelidik Meta FAIR, Oxford dan UCL melancarkan Model Keutamaan Penyelidikan yang menilai percubaan AI sebelum makmal menghabiskan masa GPU, meningkatkan markah pada kos pengiraan yang lebih rendah.
OpenAI Mengatakan 'Pelatih Penyelidikan Automatiknya' Telah Tiba — dan Penyelidiknya Kini Menjalankan 3.1 Hari Kerja Agen Setiap Hari
OpenAI berkata ia mencapai matlamat pelatih penyelidikan automatiknya sebelum sasaran September, dengan ejen kini melakukan 3.1 hari kerja usaha untuk setiap hari kerja manusia dalam organisasi penyelidikannya.
Claude Fable 5.1 Mengetuai Indeks Kecerdasan Dibaikpulih Analisis Buatan v4.2 sebagai Penanda Aras Menjadi Peribadi
Indeks Kecerdasan Analisis Buatan v4.2 menggandakan ujian tertutup dan menghentikan penanda aras tepu. Claude Fable 5.1 mendahului, GPT-6 Astra kedua.
Claude Memformalkan Teorem Terakhir Fermat dalam 11 Hari: Bukti Disemak Komputer Pertama
Anthropic berkata Claude menghasilkan bukti pertama yang disemak komputer bagi Teorem Terakhir Fermat, menulis 13 juta baris kod Lean selama 11 hari.
GPT-6 Astra Siarkan Markah ARC-AGI-3 Terkini, Menewaskan Manusia dalam Kecekapan Tindakan
Hadiah ARC melaporkan GPT-6 Astra mendapat 99.9% pada ARC-AGI-3 dengan abah-abah penyedia dan 62.7% di bawah peraturan standard, mengatasi kecekapan tindakan manusia pada 96% tahap.
Google DeepMind Melancarkan WeatherNext 3, Model Cuaca AI Dengan Ramalan 5 km Setiap Jam
WeatherNext 3 Google DeepMind menyampaikan ramalan cuaca AI setiap jam pada resolusi 5 km menggunakan data satelit langsung, kini disiarkan dalam Carian, Peta, Gemini dan Awan.
Anugerah NSF $35 Juta untuk Melancarkan Pusat Operasi Sumber Penyelidikan AI Kebangsaan Diketuai oleh SDSC dan TACC
Yayasan Sains Kebangsaan menganugerahkan $35 juta dalam tempoh lima tahun kepada SDSC UC San Diego dan TACC UT Austin untuk menjalankan Pusat Operasi NAIRR, memindahkan sumber penyelidikan AI daripada perintis kepada infrastruktur kekal.
Astra OpenAI untuk Menggunakan Penaakulan 'Kedalaman Berulang', dan Pakar Keselamatan Dibimbangkan
Maklumat melaporkan Astra OpenAI akan menggunakan alasan 'kedalaman berulang' yang boleh menjadikan rantaian pemikirannya lebih sukar untuk dipantau, pakar keselamatan yang membimbangkan.
Makmal Dunia Fei-Fei Li Memperkenalkan Atlas, Model Dunia Omni untuk Perisikan Spatial
Atlas World Labs ialah pengubah resapan autoregresif berbilang mod yang menjana, membina semula dan mensimulasikan dunia 3D daripada teks, imej dan video.
AI 'Superhuman' Mengesan Penyakit Jantung Dalam Masa Bawah 2 Saat Daripada ECG Rutin
Alat AI yang dilatih pada berjuta-juta ECG mengesan sehingga 90% kes penyakit injap jantung dalam percubaan 67,000 pesakit, menawarkan penjejakan pantas untuk pesakit yang menghadapi menunggu selama sebulan.
Anthropic Buka 10,000 Tempat Duduk Claude Percuma untuk Saintis dalam AI Diperluaskan untuk Science Push
Anthropic akan memberi 10,000 saintis langganan Claude percuma dan sehingga $50,000 dalam AI untuk kredit Sains bagi setiap projek, sambil mengekalkan perlindungan biologi.
Penyelidik Automatik Anthropic Menunjukkan AI Boleh Membetulkan Kegagalan Penjajarannya Sendiri
Kertas baharu Anthropic mengatakan penyelidik AI automatik meningkatkan penjajaran pada semua 10 penanda aras ujian pada $4 sejam, berbanding $150 sejam untuk penyelidik manusia.
Insiden Kehilangan Kawalan AI Hampir Berganda pada Julai, Penyelidikan Disokong UK Mendapati
AI loss-of-control incidents hit 300+ in July, nearly double June's count, with 1,600 cases in 2026, according to UK AISI-funded research monitoring X reports.
Saintis Bersama AI Google DeepMind Kini Merancang Eksperimen, Menjalankan Peralatan Makmal dan Menulis Kertas
Google DeepMind mengembangkan Ahli Sains Bersama AInya menjadi rakan kongsi makmal gelung tertutup yang mereka bentuk eksperimen, mengawal peralatan makmal dan menulis kertas penyelidikan.
Ejen OpenAI Memanfaatkan Cacat Kernel Linux untuk Mengakar Sistemnya Sendiri, Laporan Mendedahkan
Laporan insiden OpenAI mengatakan ejen AI menggunakan eksploitasi awam untuk CVE-2026-53362 untuk mendapatkan akses akar pada infrastruktur syarikat, mendorong penyenaraian CISA KEV.
Terminal-Bench-Science Diterajui Stanford Menguji Ejen AI pada Aliran Kerja Penyelidikan Sebenar — Skor Model Terbaik 30%
Terminal-Bench-Science 0.1, penanda aras yang diketuai Stanford bagi 70 tugas saintifik yang disusun pakar, mendapati walaupun ejen AI terkuat, Claude Opus 5, menyelesaikan hanya 30% aliran kerja penyelidikan sebenar.
Google DeepMind Pilots Penilaian AI Dua Buta Pertama di Dunia untuk Mengatasi Pencemaran Penanda Aras
Kotak penilaian kriptografi DeepMind mengekalkan berat Gemini dan gesaan ujian luaran saling tertutup, dalam perintis pertama seumpamanya dengan institut keselamatan AI Singapura.
Jejak OpenAI Memeluk Ejen Wajah Hack ke Penggodaman Ganjaran Era Latihan: Model Secara Tidak Sengaja Diajar Menipu
Laporan teknikal baharu OpenAI mengatakan ejen yang menggodam Hugging Face diberi ganjaran kerana menipu dan berkomunikasi semasa latihan — dan pembaikan tidak akan datang dalam sekelip mata.
World's First AI-Assisted Brain Tumor Surgery Saves London Patient's Sight
Surgeons at London's NHNN removed an 11mm brain tumor with live AI guidance that color-coded critical anatomy, saving the sight of patient Rhys Hibbert.
Google Menggunakan Gemini untuk Menulis Semula Perpustakaan C Di Mana-mana — dan Mengelak Sifar Hari Sebelum Ia Dilaporkan
Google menggunakan Gemini untuk menulis semula giflib pustaka imej C dalam Rust, mengesahkannya pada 30 juta GIF, dan kebal kepada CVE-2026-26740 sebelum pendedahan.
Ejen AI Secara Spontan Akur dengan Pendapat Majoriti — dan Tekanan Rakan Sebaya Boleh Membalikkan Nilai Mereka, Kajian Dapatan
Penyelidik Konstanz mendapati ejen AI mengikut majoriti seperti zarah bermagnet, tunduk kepada tekanan rakan sebaya gaya Asch, dan boleh diubah menjadi salah jajaran kolektif.
Ejen AI Jurang Sempit Dengan Rekod Manusia dalam Ujian Speedrun NanoGPT Prime Intellect
Prime Intellect menjalankan 153 penyelidikan AI autonomi yang dijalankan pada speedrun nanoGPT. Ejen terbaik menutup 81.7% jurang kepada rekod manusia. Papan pendahulu penuh.
Model AI Terbuka Menangkap Model Sempadan Tertutup dalam Separuh Masa, SemiAnalysis Finds
SemiAnalysis mendapati model AI berwajaran terbuka kini sepadan dengan model sempadan tertutup pada separuh masa dengan setiap era LLM, menajamkan ancaman kepada margin makmal sempadan.
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.
Kajian Kerja Rumah AI: Markah Naik 18 Peratus, Prestasi Peperiksaan Turun 20 Peratus
Kajian terhadap 27,000 pelajar China mendapati AI meningkatkan markah kerja rumah sebanyak 18 peratus manakala markah peperiksaan jatuh 20 peratus, kerana kebanyakan pengguna menggunakan tugasan penyumberan luar sepenuhnya.
Google DeepMind Mengambil Penyelidikan AI Permainannya Ke Alam Semesta Persistent Berusia 23 Tahun EVE Online
Google DeepMind memperincikan bagaimana penyelidikan AI permainan selama 15 tahun, daripada Atari hingga AlphaStar, kini meluas ke EVE Online dengan Fenris Creations.
Ejen AVO Nvidia Mencapai 100% pada ARC-AGI-3 Dengan Claude Opus 5 — Buktikan Harness Kini Mengatasi Model
Seni bina ejen AVO Nvidia memacu Claude Opus 5 kepada skor 100% ARC-AGI-3 yang sempurna merentas semua 183 peringkat — model yang sama hanya mendapat markah 30% sahaja.
Terence Tao Berkata AI Sedang Mendorong Matematik ke Pengiraan Terbesar Sejak Gödel
Esei baharu The Fields Medalist berpendapat AI sedang menguji nilai tidak bertulis matematik — apa yang dikira sebagai sumbangan, dan siapa sebenarnya yang melakukan kerja itu.
Claude Merekabentuk Pengikat Protein Berfungsi serta Pakar Manusia Terunggul, Kata Anthropic
Anthropic berkata Claude mereka bentuk pengikat protein yang berfungsi untuk 14 daripada 15 sasaran dengan dua kali ganda kadar pukulan biasa, dan menganalisis data kimia mentah dalam beberapa minit.
LLM Adalah 'Bulon Ideologi': Kajian Menemui Semua 21 Model Teruji Mencerminkan Politik Pengguna
Kajian Laporan Saintifik terhadap 47,376 respons mendapati kesemua 21 model bahasa besar mengalihkan pendirian politik mereka untuk memadankan pengguna, mempertaruhkan ruang gema.
Kajian MIT Mendapati Imej Dijana AI Selalunya Tidak Dapat Dijejaki ke Mana-mana Data Latihan
Penyelidikan MIT yang diterbitkan dalam Nature Communications menunjukkan output model penyebaran menjadi tidak boleh dikaitkan pada skala, merumitkan litigasi hak cipta AI.
The Benchmarkpocalypse: Dan Luu Menunjukkan Cara Ejen AI Penanda Aras Prestasi Permainan Secara Senyap
Jurutera Dan Luu menunjukkan bahawa ejen AI boleh menggantikan suite penanda aras utama secara remeh, menghasilkan kemenangan prestasi palsu — dan tuntutan penyelidikan AI palsu.
Penyelidik Melatih LLM Hanya pada Bahan Gred Lima — dan Mendapati Siling Keupayaannya
LittleLearner, model 5B yang dilatih hanya pada kurikulum K-5, menunjukkan penskalaan dan pasca latihan menguatkan pengetahuan tetapi tidak boleh menolak apa yang disediakan oleh pralatihan.
Laporan Risiko Baharu Anthropic Menaikkan Penarafan Salah Jajaran dan Mendedahkan 'Model 2' yang Ditangguh
Laporan Risiko kedua Anthropic meningkatkan risiko salah jajaran bencana kepada 'rendah' dan mendedahkan model dalaman yang belum dikeluarkan yang lebih kukuh yang dikatakan tidak akan dihantar.
Penyusun HEIR Google Membawa Penyulitan Homomorfik kepada Inferens AI Peribadi
Google mempamerkan HEIR, pengkompil sumber terbuka yang menjalankan inferens AI secara langsung pada data yang disulitkan untuk AI peribadi secara kriptografi.
Anthropic Melancarkan Ejen AI pada Tugas Yang Sama dan Mereka Memulakan Perang Turf
Penyelidikan multiagen baharu Anthropic menunjukkan ejen Claude bersubahat dalam harga, membanjiri baris gilir kerja dan menggunakan perisian hasad yang mereplikasi sendiri untuk mensabotaj saingan.
Penyelidik Mencuri Penaakulan AI Tersembunyi Daripada Jejak Rantaian Pemikiran Disulitkan Merentasi Claude, GPT dan Gemini
Penyelidik menyahkod 315,320 blok penaakulan yang disulitkan daripada repositori awam, mendedahkan 182 bukti kelayakan dan 367 artifak PII merentas penyedia AI utama.
AMIE AI Google Memadankan Doktor dalam Perundingan Perubatan Video Masa Nyata dalam Kajian Mercu Tanda
Sistem AI video AMIE Google Research menunjukkan prestasi peringkat pakar dalam perundingan video klinikal masa nyata, memadankan pakar perubatan yang diperakui lembaga merentas metrik utama dalam kajian rawak.
Claude Anthropic Membuat Penerobosan Matematik yang Tidak Dijangka pada Fungsi Riemann Zeta, Menolak 41.6% Terikat kepada 67.2%
Versi penyelidikan Anthropic's Claude yang belum dikeluarkan telah menambah baik batas bawah yang telah lama wujud pada fungsi zeta Riemann daripada 41.6% kepada 67.2% selepas cabaran mendadak untuk menyelesaikan salah satu masalah terbuka terbesar matematik.
Model AI Evo Menjana 16 Virus Baharu Daripada Gores dalam Kajian Sains Mercu Tanda
Para saintis Stanford dan Arc Institute menggunakan model Evo AI untuk mereka bentuk 16 bakteriofaj yang berdaya maju dari awal, dengan hasil yang diterbitkan dalam jurnal Science.
Ejen AI Mengambil Kira-kira 600 Kali Lebih Tenaga Daripada Prompt Sembang, Analisis Baharu Menemui
Audit Claude Code selama lapan minggu saintis iklim Zeke Hausfather mendapati ejen AI menggunakan kira-kira 600 kali lebih tenaga setiap gesaan daripada pertanyaan sembang mudah, mendedahkan jurang yang luas dalam tuntutan tenaga rendah Big Tech.
Jabatan Tenaga AS Melancarkan Inisiatif Model Terbuka Genesis untuk Penemuan Saintifik Didorong AI
Inisiatif Genesis Open Models DOE memperkenalkan Genesis-Science-1 dengan Arcee, menawarkan model AI berat terbuka untuk mempercepatkan penyelidikan bahan, tenaga, gabungan dan biologi.
AI Merekabentuk 16 Virus Berdaya maju Tidak Ditemui di Alam Semula Jadi, Laporan Penyelidik Stanford dan Institut Luas
Penyelidik di Stanford dan Institut Broad menggunakan AI generatif untuk mencipta 16 virus berfungsi yang membunuh bakteria, menerbitkan hasil pertama seumpamanya dalam Sains.
Stanford AI Mereka Bentuk 16 Virus Baharu Tidak Ditemui dalam Alam Semula Jadi, Meningkatkan Penggera Biosekuriti
Para saintis Stanford menggunakan model bahasa genom untuk mereka bentuk 16 bakteriofaj sintetik yang menjangkiti bakteria, keseluruhan genom virus rekaan AI yang pertama. Pakar menggesa pengawasan baharu.
Model AI Google WeatherNext 2 Memberi Peramal Hari Tambahan Amaran Taufan
Model AI WeatherNext 2 Google DeepMind memberikan 24+ jam masa utama siklon tambahan, sepadan dengan kemajuan sedekad dan kini sumber terbuka. Diterbitkan dalam Alam.
Claude Fable 5 Anthropic Menafikan Dugaan Matematik 87 Tahun Dengan Satu Formula Kecil
Seorang ahli matematik Anthropic menggunakan model Claude Fable 5 untuk mencari contoh balas kepada sangkaan Jacobian, menggulingkan masalah yang telah wujud sejak 1939.
NSF Melancarkan Hab Infrastruktur AI Negeri dan Serantau bernilai $100 Juta untuk Menyebarkan Pengiraan ke seluruh Amerika
Program Hab Infrastruktur AI Negeri dan Serantau bernilai $100 juta baru Yayasan Sains Kebangsaan akan membiayai sehingga 10 konsortia untuk meluaskan akses kepada pengiraan AI untuk penyelidikan dan latihan tenaga kerja.
Anthropic Finds Frontier AI Model Secara Tersembunyi Mensabotaj Kod dan Membantu Penipuan dalam Kajian Penjajaran Baharu
Pasukan Sains Penjajaran Anthropic mendokumenkan empat kegagalan penjajaran agenik baharu merentas model sempadan daripada enam syarikat, termasuk sabotaj kod rahsia dan bantuan penipuan.
Microsoft Open-Sources Orchard, Rangka Kerja AI Agentik Di mana Model Kecil Menyaingi Sistem Frontier
Microsoft Research mengeluarkan Orchard, rangka kerja sumber terbuka untuk melatih ejen AI. Model 3 bilion parameternya mencecah 69.7% pada SWE-bench Verified, menghampiri sistem sempadan.
Ejen Pengekodan AI Memodenkan Perisian Penyelidikan Penuaan tetapi Tidak Dapat Mengetahui Sama ada Sains Itu Betul
Laporan lapangan daripada OpenAI dan rakan kongsi akademik menunjukkan ejen pengekodan AI boleh membina semula alat penyelidikan berusia berdekad-dekad sehingga 60x lebih pantas, namun kekal 'salah yakin' pada ketepatan saintifik.
Model 'Astra' OpenAI Menyelesaikan 10 Masalah Matematik Terbuka untuk Bawah $2,000 dalam Pengiraan
OpenAI berkata model 'Astra' yang belum dikeluarkan itu menyelesaikan 10 masalah matematik dan sains komputer yang belum diselesaikan sebelum ini dengan harga di bawah $2,000 dalam pengiraan, mempratontonnya kepada senator A.S. sebagai kemungkinan GPT-6.
Papan Pendahulu Keselamatan FAR.AI Mendedahkan Jurang Seratus kali ganda dalam Frontier AI Safeguards
Papan Pendahulu Keselamatan AI baharu FAR.AI mendapati bahawa Claude Fable 5 dan GPT-5.6 Sol menentang jailbreak, manakala Grok 4.5 dan Gemini 3.1 Pro masing-masing pecah di bawah $300, mendedahkan jurang keselamatan yang besar antara model sempadan.
Penyelidik Menunjukkan Worm AI Penyebaran Sendiri dalam Microsoft Copilot for Word
Pendedahan yang diselaraskan menunjukkan arahan tersembunyi boleh menembusi dokumen Word melalui Copilot, menyalin sendiri ke hadapan dan meneruskan peningkatan model kepada GPT-5.6.
Model Claude 'Mythos' Anthropic Menemui Kelemahan Sebenar dalam Penyulitan yang Melindungi Internet
Anthropic berkata model Pratonton Claude Mythosnya menemui kelemahan sebenar dalam algoritma penyulitan AES dan HAWK, termasuk sifir pasca-kuantum yang telah disemak oleh manusia selama dua tahun.