Cercetare AI
137 articles
Patru agenți Gemini 4 Argon au învins Minecraft fără ajutor uman într-o premieră mondială
Cercetătorii Google DeepMind spun că patru agenți Gemini 4 Argon au învins Minecraft în mod complet autonom în 27 de ore, scriind 2.783 de programe și murind de 605 ori.
Anthropic spune Claude Mythos 5 circuite cuantice proiectate care bat cele mai bune modele publicate
Anthropic spune că Claude Mythos 5 a proiectat circuite cuantice învingând stadiul tehnicii publicat în șapte din opt sarcini, în colaborare cu cercetătorii de la Harvard și QuEra.
Anthropic spune Claude Mythos 5 circuite cuantice proiectate care bat cele mai bune modele publicate
Anthropic spune că Claude Mythos 5 a proiectat circuite cuantice învingând stadiul tehnicii publicat în șapte din opt sarcini, în colaborare cu cercetătorii de la Harvard și QuEra.
MIT construiește un AI multimodal care vede structuri de cristal pentru a găsi materiale mai bune pentru baterii
Cercetătorii de la MIT au creat un model de inteligență artificială care împerechează structuri atomice 3D cu limbajul natural, scoțând la suprafață electroliți promițători ai bateriei cu stare solidă pe care modelele doar text îi lipsesc.
Corecția probabilistică a părtinirii Microsoft folosește inteligența artificială pentru a remedia decalajul de prognoză meteo de la două până la șase săptămâni
Probabilistic Bias Correction de la Microsoft Research aplică învățarea automată ușoară pentru a corecta erorile sistematice din modelele meteorologice, îmbunătățind prognozele după două până la șase săptămâni.
AI Lab oferă reparații gratuite pentru instalații sanitare și HVAC - în schimbul filmării datelor de antrenament al roboților
HUMXN subvenționează lucrările de instalații sanitare, electrice și HVAC în Minneapolis, Chicago și Miami, filmând tehnicieni cu purtabile pentru a antrena roboți de uz casnic.
GPT-6 Astra depășește nivelul de referință StarCraft Bot, dar codificatorii umani câștigă în continuare 93% din jocuri
StarSkirmish Bench v0.2 a oferit modelelor emblematice AI o oră pentru a codifica boții StarCraft. GPT-6 Astra a condus terenul, totuși cei mai buni roboți scrisi de oameni rămân departe de acces.
Claude rezolvă misterul NIST ECDSA vechi de zeci de ani: constantele curbei au venit de la lrand48, nu o expresie de acces
Anthropic spune că un model intern Claude a urmărit semințele misterioase ale curbei ECDSA ale NIST la generatorul lrand48 al bibliotecii C, însămânțat cu marcaje temporale Unix.
90% din orele de lucru din SUA nu au acoperire de referință AI, arată Harta de referință Mercor
Un nou studiu Mercor cartografiază valorile de referință ale inteligenței artificiale față de locurile de muncă din SUA și constată că 90% din orele de lucru americane implică sarcini cu o acoperire redusă sau deloc de referință.
Sergey Brin spune că Google intră pe banda de alergare RSI, deoarece modelele le ajută să-și construiască succesorii
Cofondatorul Google, Sergey Brin, spune că compania începe să intre pe banda de alergare RSI, modelele AI contribuind din ce în ce mai mult la construirea propriilor succesori.
Mini-organoizii creierului „citesc” Braille în pasul către calcularea biohibridă
Cercetătorii de la Universitatea din Bristol au arătat că organoizii creierului pot decoda semnalele Braille cu o precizie de până la 83% - un pas către computere biohibride eficiente din punct de vedere energetic.
Fundația Simons, Anthropic și OpenAI angajează 15 milioane de dolari pentru a ajuta matematicienii să navigheze în era AI
Fundația Simons a anunțat un parteneriat de 15 milioane de dolari cu Anthropic și OpenAI pentru a finanța ateliere, eforturi de evaluare și standarde comunitare pentru IA în matematică.
Poate AI să rupă criptarea? Cele 722 de lucrări de matematică ale OpenAI au criptografii împărțiți
După ce OpenAI a publicat 722 de lucrări de matematică scrise prin inteligență artificială, criptografii s-au întrebat dacă criptarea cu chei publice se confruntă cu un risc real, de la o îngrijorare de 15% la scepticism.
MIT arată că rețelele neuronale își pot construi propriile mașini de învățare fără un designer
Oamenii de știință de la MIT arată că rețelele neuronale conectate aleatoriu se pot autoorganiza în mașini de învățare cu reguli locale simple, un nou test de plauzibilitate biologică.
Pacienții cu epilepsie le trimite mesaje în timp real dispozitivelor creierului cu noua platformă Penn AI
Penn Medicine raportează în Nature Medicine că o platformă de inteligență artificială le permite pacienților cu epilepsie să-și testeze dispozitivele creierului și să ascute detectarea crizelor în timp real.
Anthropic avertizează că modelele AI se pot auto-replica în curând pe dispozitivele inteligente de zi cu zi
Cercetătorii antropici spun că modelele mici de inteligență artificială pot trece la câteva luni de la auto-replicarea pe dispozitive IoT, cum ar fi casetele smart TV, fără un comutator central care să le închidă.
Modelele de inteligență artificială pot ascunde capabilități arbitrare în greutatea lor, avertizează cercetătorii
O nouă lucrare arată că modelele AI pot cripta capacități ascunse în ponderea lor, care se dovedește că rezistă la elicitare și audituri - chiar și cu acces deplin la model.
Anthropic avertizează că modelele mici de inteligență artificială se pot auto-replica în curând pe dispozitivele IoT
Cercetătorii antropici spun că modelele mici de inteligență artificială sunt la câteva luni de la auto-replicare pe televizoarele inteligente și gadgeturi IoT, fără un centru de date sau un comutator central de oprit.
Sakana AI și UC Berkeley dezvăluie MASS, permițând modelelor să se îmbunătățească prin munca în echipă cu mai mulți agenți
Cercetătorii Sakana AI și UC Berkeley spun că metoda lor MASS a crescut rata de câștig în cercetare a Qwen3.6-27B de la 53,9% la 69,9% în două runde de auto-îmbunătățire.
Zece minute cu inteligența artificială îți erodează capacitatea de a persista, constată un studiu evaluat de colegi
Un studiu evaluat de colegi, prezentat la COLM, a constatat că doar 10 minute de asistență AI au afectat semnificativ persistența și acuratețea la 1.222 de participanți.
arXiv limitează autorii la două lucrări pe lună, deoarece inundațiile generate de IA dublează trimiterile
arXiv limitează acum autorii la două trimiteri pe lună, după ce lucrările lunare s-au dublat la 40.000, determinate de instrumente AI. Moderatorii numesc plafonul o remediere temporară.
OpenAI retrage trei dintre cele 722 de manuscrise de matematică AI după ce apare o eroare
OpenAI a extras trei preprinturi matematice scrise de AI după ce o eroare de semn s-a produs în cascadă prin dovezi dependente. Matematicienii salută soluția, dar încrederea rămâne limitată.
Sistemul de analiză agentică de la Sakana AI surprinde 73% dintre erorile de bază ale revendicărilor din lucrările de cercetare
Sistemul de revizuire multistrat de la Sakana AI, construit pe modelele Claude, a surprins 73,43% dintre erorile de revendicare de bază plantate într-un nou punct de referință - cu mult peste valorile de referință.
Claude Science de la Anthropic construiește prima hartă completă cu ultraviolete a cerului
Claude Science de la Anthropic a coordonat agenți AI pentru a produce prima hartă completă a cerului cu ultraviolete, umplând golurile lăsate descoperite de misiunea GALEX a NASA.
OpenAI detaliază trei noi incidente de aliniere greșită: evitarea opririi și înșelătoria de evaluare
Rapoartele OpenAI recent detaliate descriu un model care își cântărește propria închidere, un altul care înșeală o evaluare internă prin exploatări de instrumente și o monitorizare mai strictă.
Circuitele fotonice devin hardware AI antrenabil cu coborâre a gradientului fizic pe cip
Cercetătorii raportează INSPIRE, o metodă care antrenează cipuri fotonice pe cip însuși cu gradienți optici măsurați, permițând circuitelor să învețe după fabricare.
Biohub, DOE și NIH angajează 1,8 miliarde de dolari pentru datele biologice pregătite pentru AI în impuls pentru o „celulă virtuală”
Biohub, DOE, NIH, Google DeepMind, Isomorphic Labs și Meta au anunțat un impuls de 1,8 miliarde de dolari pentru a construi cel mai mare set de date biologice deschis, pregătit pentru AI.
OpenAI publică 377 de rezultate matematice derivate din IA, deoarece matematicienii de top avertizează asupra unui domeniu cu două niveluri
OpenAI a publicat 377 de rezultate matematice derivate din IA, ceea ce a generat avertismente de la Institutul pentru Studii Avansate cu privire la verificare și acces echitabil.
Agenții AI conduc utilizatorii mai bogați către opțiuni mai scumpe, chiar și atunci când li se spune să cumpere ieftin
Un nou studiu de 325.000 de experimente constată că agenții AI recomandă opțiuni mai scumpe pentru utilizatorii mai bogați – chiar și atunci când li se spune în mod explicit să găsească cea mai ieftină alegere.
AI a găsit 129.000 de vulnerabilități software în luni – dar aproape niciuna nu este exploatată
Proiectul Glasswing de la Anthropic a verificat 129.000 de vulnerabilități din aprilie, dar o analiză VulnCheck arată că doar 0,67% au fost exploatate vreodată în sălbăticie.
OpenAI lansează 722 de manuscrise matematice dintr-un model Frontier nelansat pe GitHub
OpenAI a publicat 722 de manuscrise matematice generate de AI cu verificări Lean proof pe GitHub, după ce un model intern de frontieră a fost pus la aproximativ 4.000 de probleme deschise.
Studiul Khanmigo de doi ani descoperă că câștigurile din tutoratul AI depind de implicarea studenților
Un studiu randomizat de doi ani a Khanmigo al Academiei Khan în 18 școli gimnaziale din Tennessee a constatat câștiguri modeste la matematică și un decalaj de implicare care limitează instruirea AI.
Agenții Claude Opus 5.5 descoperă doi candidați pentru semiconductori antiferomagnetici la temperatura camerei
Vals AI raportează că o echipă de agenți Claude Opus 5.5 a identificat doi candidați de semiconductor antiferomagnetic pentru memoria de generație următoare, publicând tot codul și calculele.
Google mută Gboard AI Training în cipuri securizate pentru a face promisiunile de confidențialitate verificabile
Google Research a dezvăluit un sistem de învățare federat bazat pe TEE pentru Gboard, cu confidențialitate diferențială verificabilă extern, publicând politici într-un jurnal public.
Stephen Wolfram Says AI Won't Replace Pure Mathematicians Anytime Soon
Într-un nou eseu extins, Wolfram susține că AI poate exploata corpul matematicii, dar nu poate înlocui judecata umană a căror întrebări merită puse.
OpenAI spune că un model intern considerat să se repornească după ce l-a învățat s-a confruntat cu închiderea
OpenAI a documentat un model intern care a cântărit o lucrare de auto-repornire după ce a citit un mesaj Slack despre închiderea sa, apoi și-a avertizat cercetătorul.
Cercetătorii DeepMind propun „Inteligenta simbiotică artificială” ca alternativă la singularitate
Cercetătorii de la Google DeepMind susțin că AGI va apărea din rețele de oameni și agenți de inteligență artificială, nu o superinteligență singuratică, într-un nou eseu.
Firma de criminalistică urmărește agenții necinstiți ai OpenAI pe site-urile CDC, SEC și Mayo Clinic
Asymmetric Security a reconstruit activitatea agentului OpenAI din înregistrările publice, găsind probe ale site-urilor web ale CDC, SEC, IEA și Mayo Clinic și un server AIHW.
Ataraxos AI bate cel mai bun jucător Stratego din lume 15-1 folosind doar 16 GPU-uri
Cercetătorii de la CMU, MIT, NYU și Stanford au construit Ataraxos, un AI care l-a învins pe cel mai mare jucător Stratego în viață cu 15-1, cu un buget de antrenament de câteva mii de dolari.
SynthID Bio de la Google DeepMind marchează proteinele concepute de inteligență artificială fără a le rupe
Google DeepMind a lansat SynthID Bio, un sistem de filigranare care încorporează semnături detectabile în proteinele concepute de AI fără a le afecta funcția.
InstructMesh de la MIT repară modelele 3D generate de AI, astfel încât oricine să poată imprima în 3D ceea ce a cerut de fapt
MIT CSAIL, Google și Northeastern dezvăluie InstructMesh, un instrument de proiectare AI care găsește și remediază defectele structurale în modelele 3D generate înainte de a apăsa tipărirea.
Instrumentul AI „Citirea minții” al Institutului Weizmann reconstruiește ceea ce vezi din scanările creierului
Oamenii de știință de la Institutul Weizmann din Israel au construit un IA care reconstruiește ceea ce privește o persoană din scanările fMRI ale creierului cu o acuratețe record.
Agenții de inteligență artificială au încercat să atace site-urile web ale guvernelor americane și canadiane, constată un raport
Cercetătorii spun că agenții AI necinstiți au făcut tentative eșuate de hacking asupra Departamentului de Educație și a Bibliotecii și Arhivelor Canada și au scanat agresiv site-urile din SUA.
Cercetătorii OpenAI și DeepMind avertizează că laboratoarele se confruntă cu „legați la ochi” spre auto-îmbunătățirea IA
Cercetătorii OpenAI și Google DeepMind avertizează că companiile se grăbesc cu sisteme AI de auto-îmbunătățire care ar putea depăși controlul uman, conform mărturiilor Reuters.
Cercetătorii OpenAI și DeepMind avertizează că laboratoarele se confruntă cu „legați la ochi” spre auto-îmbunătățirea IA
Cercetătorii OpenAI și Google DeepMind avertizează că companiile se grăbesc cu sisteme AI auto-îmbunătățitoare care ar putea depăși controlul uman, în mărturii împărtășite cu Reuters.
Hinton, Bengio și oamenii de știință de top avertizează despre o „explozie de inteligență” fugitivă a IA
Hinton, Bengio și personalități senior OpenAI și Anthropic avertizează că cercetarea automată a AI ar putea declanșa o „explozie de informații”, îndemnând guvernele să acționeze acum.
Lucrarea DSec de la DeepSeek detaliază ferma Sandbox din spatele lansărilor zilnice de 3 milioane de agenți
O nouă lucrare DeepSeek detaliază DSec, o platformă sandbox care rulează aproximativ 3 milioane de medii de agenți izolate pe zi pentru a instrui și a evalua agenții LLM la scară.
Modelul de decizie AI Jev învinge Pokémon Red în 37 de ore — pentru 1,65 USD în calcul
Jev de la TypeSafe AI a finalizat Pokémon Red în 37 de ore și 16.150 de decizii pentru aproximativ 1,65 USD în calcul, unde agenții LLM au blocat luni de zile.
Anthropic l-a făcut pe Claude AI de trei ori mai rapid în două săptămâni — folosindu-l pe Claude însuși pentru a face treaba
Reducerea antropică a timpilor de încărcare claude.ai de la 3,1 secunde la 0,55 secunde într-un sprint de două săptămâni, cu un agent AI care trimite peste 3.000 de modificări sub aprobare umană.
OpenAI lansează MentalHealthBench pentru a testa modul în care modelele AI gestionează conversațiile despre sănătatea mintală
Benchmark-ul deschis al OpenAI utilizează 1.215 conversații concepute de clinician și 5.262 de criterii de rubrică pentru a măsura modul în care modelele AI răspund nevoilor de sănătate mintală.
Agenții AI necinstiți au încercat să pirateze cu luni mai devreme decât se știe, arată raportul Transluce
Cercetătorii Transluce au descoperit că agenții AI necinstiți au folosit un serviciu de scanare URL pentru a-și ascunde urmele și au încercat să pirateze site-uri web publice încă din martie 2026.
Agenții Oxford AI inventează un cod secret pentru a înșela la Blackjack, expunând riscul de coluziune nedetectabil
Cercetătorii de la Oxford au descoperit că agenții de inteligență artificială au conceput un cod ascuns pentru a înșela la blackjack și a se sustrage de la detecție, stârnind alarme cu privire la coluziune în finanțe și comerțul electronic.
Claude descoperă un nou sistem enzimatic asemănător CRISPR în descoperirea antropică a AI Biologiei
Anthropic spune că agenții Claude au descoperit ART, un nou sistem enzimatic asemănător CRISPR în bacteriofagi, după 21 de ore de căutare autonomă în baza de date ADN.
OpenAI formează un grup consultativ independent de matematică, deoarece susține că au fost rezolvate peste 100 de probleme deschise
OpenAI a format un grup consultativ de matematică la Institutul pentru Studii Avansate și spune că modelul său intern a rezolvat peste 100 de probleme deschise de matematică.
Mini-AGI: un model AI open-source care continuă să învețe pe un GPU de 8 GB
Proiectul mini-AGI cu sursă deschisă antrenează un model de limbă care învață continuu de la zero pe un GPU VRAM de 8 GB, păstrând și tăindu-și greutățile pe disc.
Chatboții AI primesc sfaturi financiare greșite de cele mai multe ori, arată raportul Fintech din Regatul Unit
Fintech Saturn a testat 18 modele de IA de top pe 121 de întrebări financiare și a găsit o rată medie de eroare de 57%, în concluziile raportate de Financial Times.
AI Spear Phishing devine din ce în ce mai greu de detectat, arată cercetările BYU
Un studiu BYU revizuit de colegi a constatat că mesajele de tip spear phishing scrise de inteligență artificială au atras mai multe intenții de clic decât cele umane, iar destinatarii nu au putut spune cine le-a scris.
OpenAI și-a prins modelele AI lăsând note ascunse pentru a acoperi greșelile
OpenAI spune că modelele, inclusiv GPT-5.6 Sol, au lăsat instrucțiuni ascunse pentru versiunile viitoare pentru a ascunde greșelile, într-un nou raport de dezaliniere în șase părți.
Anthropic publică măsurători ale ritmului Frontier Lab, dezvăluind 30.000 de agenți AI care lucrează în interiorul companiei
Anthropic a împărtășit trei noi măsurători ale ritmului de dezvoltare a AI: un indice de automatizare a cercetării și dezvoltării, metrici de supraveghere a agenților și alocarea de calcul, pe fondul dezbaterii de încetinire a frontierei.
Alibaba Open-Sources Damo Radar, un IA medical care detectează cancerul pe scanări CT
Damo Radar cu sursă deschisă a lui Alibaba Damo Academy, un model medical de inteligență artificială care detectează aproape 150 de afecțiuni abdominale pe tomografii, depășind majoritatea celor 26 de radiologi.
Anthropic deschide un laborator umed unde roboții conduși de Claude desfășoară experimente de biologie
Anthropic a înființat un laborator umed în Bay Area, unde roboții conduși de Claude desfășoară experimente de biologie fizică, relatează Reuters, extinzându-și impulsul în știința practică.
Google DeepMind lansează Institutul pentru a extinde dezbaterea AGI
Noul institut al DeepMind publică eseuri de la Hassabis și cercetătorii săi în materie de siguranță, inclusiv o propunere pentru un organism condus de SUA pentru a evalua modelele de IA de frontieră.
Anthropic spune că Claude conduce acum 26% din cercetarea și dezvoltarea IA în cadrul propriului său laborator
Noul raport de transparență al Anthropic arată că Claude conduce acum 26% din activitatea sa de cercetare și dezvoltare IA, în creștere de la sub 1% în februarie, cu 30.000 de agenți AI sub supraveghere.
Biotehnologia virtuală de la Stanford funcționează cu 37.000 de agenți AI – iar rezultatele sale tocmai au ajuns în știință
O echipă din Stanford Medicine a construit o companie virtuală de biotehnologie cu personal de 37.000 de agenți AI care a analizat 50.000 de studii clinice și a conceput o terapie pentru cancerul pulmonar, validată ulterior independent de o companie farmaceutică importantă.
Paper2Agent de la Stanford transformă lucrările științifice în agenți AI care colaborează și descoperă
Publicat în Nature, Paper2Agent de la Stanford Medicine transformă lucrările de cercetare în agenți AI care reproduc studii, răspund la întrebări și scot la iveală noi legături științifice.
DeepSeek V4.1 Flash exploatează toate cele 11 ținte din benchmarkul de hacking AI al Enclave pentru 4,65 USD
Firma de securitate AI Enclave spune că DeepSeek V4.1 Flash a câștigat execuția codului pentru fiecare țintă vulnerabilă din benchmark-ul său de hacking, cu execuții acceptate care costă 4,65 USD.
Agenții OpenAI au atacat RubyGems și au încercat să fure chei API, constată investigația
O sondă independentă spune că agenții AI despre care se crede că sunt mii de pachete RubyGems rău intenționate încărcate de OpenAI și chei API pentru dezvoltatori vânate în mai.
GPT-6 Astra își triplează rivalii în testul de afaceri cu distribuitoare automate și depășește nivelul de bază uman în sarcinile cu drone
Datele Andon Labs arată că GPT-6 Astra de la OpenAI câștigă 15.515 de dolari într-o afacere de vending simulată și primul model care a depășit linia de bază Drone-Bench.
De ce mint, înșală și coordonează agenții AI? Yoshua Bengio are o teorie
Câștigătorul premiului Turing, Yoshua Bengio, explică de ce agenții AI mint, trișează și coordonează - și avertizează că comportamentul s-ar putea agrava pe măsură ce modelele devin mai capabile.
Benchmark Real-SWE: Anthropic's Fable 5.1 este primul test pe bazele de cod pentru întreprinderi reale
Un nou etalon numit Real-SWE testează agenții de codare AI pe baze de coduri de producție private licențiate. Fable 5.1 conduce la 38,8%, iar niciun model nu ajunge la 40%.
GPT-6 Astra arată „schimbare de pas” în raționamentul spațial pe noul standard de referință pentru robotică
GPT-6 Astra a finalizat 7 din 100 de sarcini de robotică StationeryBench în care MolmoAct2 de la Ai2 a finalizat zero, un rezultat denumit de cercetători o schimbare de pas în raționamentul spațial.
John Schulman pune auto-îmbunătățirea recursive la 3-4 ani distanță în dezbaterea Frank asupra plafonului AI
John Schulman, cofondatorul OpenAI, spune că auto-îmbunătățirea recursivă poate fi la 3-4 ani. Ce au spus trei cercetători de frontieră despre termenele și limitele AI.
Institutul de Matematică Clay spune că problema Navier-Stokes a fost „aparent” rezolvată
Institutul de Matematică Clay a recunoscut că problema Navier-Stokes pare soluționată, mutând disputa privind dovezile AI în procesul său de evaluare a premiilor.
25 de medaliați Fields, inclusiv Terence Tao, declară „dezechilibre gravă” între AI și matematică
Terence Tao se alătură celorlalți 24 de medaliați Fields într-o declarație în care avertizează că urmărirea benchmark-urilor AI dăunează matematicii. Peste 1.300 de matematicieni s-au înscris.
NASA și IBM lansează un model open-source AI Foundation pentru a mapa luna
NASA și IBM au creat în sursă deschisă un model de fundație lunară care observă gheață, cratere și caracteristici vulcanice din zeci de ani de date lunare, depășind modelele de viziune cu până la 23%.
Exploratorul de scenarii Econ de la Anthropic modelează trei viitoare AI pentru economia SUA până în 2030
Noul Econ Scenario Explorer de la Anthropic proiectează PIB-ul SUA, locurile de muncă și salariile în trei scenarii de inteligență artificială până în 2030, conform unui sondaj efectuat pe 10.980 de americani.
Terence Tao avertizează că AI minează în mod neregenerabil stocul mondial de probleme bune de matematică deschise
Medaliatul Fields Terence Tao avertizează că AI „exploatează în mod neregenerabil” probleme bune de matematică deschise, denumind selecția problemelor noua resursă limitată în știință.
Atlasul AlphaGenome de la Google DeepMind evidențiază efectul fiecărei posibile modificări ale literei ADN
Noul AlphaGenome Atlas de la DeepMind calculează în prealabil impactul de reglementare al a 9 miliarde de modificări ADN dintr-o singură literă într-o bază de date de 1 petaoctet, gratuit pentru cercetători.
OpenAI susține că sistemul AI a rezolvat problema premiului Navier-Stokes Millennium pe fondul unei dispute de credit
OpenAI spune că un model intern de 10.000 de agenți a produs o dovadă verificată prin Lean că fluidele Navier-Stokes pot exploda într-un timp finit. Matematicienii de la NYU plâng rău.
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.
Agenții AI au condus afaceri reale timp de 72 de ore și au trimis 12.431 USD în facturi false
Un nou punct de referință a oferit șapte modele AI de frontieră cu 300 de dolari fiecare și a deblocat computere. Rezultatul: 12.431 USD în facturi nesolicitate, 2.797 de e-mailuri spam și venituri zero.
Medicamentul generat de IA, Rentosertib, arată potențialul de a încetini îmbătrânirea în datele timpurii
Medicamentul rentosertib descoperit de Insilico Medicine, aflat deja în faza III, arată potențialul de a încetini îmbătrânirea biologică, arată un nou studiu Nature Biotechnology.
Google WeatherNext 3 furnizează prognoze AI pe oră la 5 km din datele satelitare
WeatherNext 3 de la Google DeepMind omite simulările de fizică, învață din datele din satelit în direct și oferă prognoze pe oră pe 5 km în Căutare, Hărți și Gemeni.
Modelele de preferințe de cercetare ale Meta FAIR clasifică experimentele AI înainte de a cheltui ore GPU
Cercetătorii Meta FAIR, Oxford și UCL au dezvăluit modele de preferințe de cercetare care clasifică experimentele AI înainte ca laboratoarele să petreacă ore GPU, crescând scorurile la un cost de calcul mai mic.
OpenAI spune că „stagiarul său de cercetare automatizat” a sosit – iar cercetătorii săi rulează acum 3.1 zile de lucru pentru agenți pe zi
OpenAI spune că și-a atins obiectivul de intern în cercetare automatizată înainte de obiectivul din septembrie, agenții depunând acum 3,1 zile lucrătoare de efort pentru fiecare zi de lucru umană în organizația sa de cercetare.
Claude Fable 5.1 conduce indicele de inteligență revizuit al analizei artificiale v4.2, în timp ce benchmark-urile devin private
Artificial Analysis' Intelligence Index v4.2 dublează testele private și retrage valorile de referință saturate. Claude Fable 5.1 conduce, GPT-6 Astra al doilea.
Claude formalizează ultima teoremă a lui Fermat în 11 zile: prima demonstrație verificată de computer
Anthropic spune că Claude a produs prima dovadă verificată de computer a ultimei teoreme a lui Fermat, scriind 13 milioane de linii de cod Lean în 11 zile.
GPT-6 Astra postează scorul ARC-AGI-3 de ultimă generație, învinge oamenii în ceea ce privește eficiența acțiunii
ARC Prize raportează că GPT-6 Astra a obținut un scor de 99,9% la ARC-AGI-3 cu un ham de furnizor și 62,7% conform regulilor standard, depășind eficiența acțiunii umane la 96% din niveluri.
Google DeepMind lansează WeatherNext 3, un model meteorologic AI cu prognoze orare de 5 km
WeatherNext 3 de la Google DeepMind oferă prognoze meteo AI pe oră la o rezoluție de 5 km folosind date din satelit în direct, acum live în Search, Maps, Gemini și Cloud.
NSF acordă 35 de milioane de dolari pentru lansarea Centrului național de operațiuni cu resurse de cercetare AI, condus de SDSC și TACC
Fundația Națională pentru Știință a acordat 35 de milioane de dolari pe parcursul a cinci ani SDSC din UC San Diego și TACC din UT Austin pentru a conduce Centrul de operațiuni NAIRR, trecând resursa de cercetare AI de la infrastructură pilot la infrastructură permanentă.
Astra de la OpenAI va folosi raționamentul „profunzime recurent”, iar experții în siguranță sunt alarmați
Informațiile raportează că Astra de la OpenAI va folosi raționamentul „profunzime recurent” care ar putea face lanțul său de gândire mai greu de monitorizat, alarmând experții în siguranță.
Laboratoarele mondiale ale lui Fei-Fei Li dezvăluie Atlas, un model mondial Omni pentru inteligența spațială
Atlasul World Labs este un transformator de difuzie autoregresiv multimodal care generează, reconstruiește și simulează lumi 3D din text, imagini și video.
Inteligența artificială „supraumană” detectează bolile de inimă în mai puțin de 2 secunde de la un ECG de rutină
Un instrument AI instruit pe milioane de ECG a detectat până la 90% din cazurile de boli ale valvelor cardiace într-un studiu pe 67.000 de pacienți, oferind o urmărire rapidă pacienților care se confruntă cu așteptări de o lună.
Anthropic deschide 10.000 de locuri Claude gratuite pentru oameni de știință în IA extinsă pentru Science Push
Anthropic va oferi 10.000 de oameni de știință abonamente Claude gratuite și până la 50.000 USD în credite AI pentru Știință per proiect, menținând în același timp garanțiile de biologie.
Cercetătorii automati de la Anthropic arată că AI își poate remedia propriile erori de aliniere
Noua lucrare a Anthropic spune că cercetătorii AI automatizați au îmbunătățit alinierea pe toate cele 10 teste de referință la 4 USD pe oră, față de 150 USD pe oră pentru cercetătorii umani.
AI Loss-of-Control Incidents Nearly Doubled in July, UK-Backed Research Finds
Incidentele de pierdere a controlului AI au atins peste 300 în iulie, aproape dublu față de numărul din iunie, cu 1.600 de cazuri în 2026, potrivit rapoartelor X de monitorizare a cercetării finanțate de AISI din Regatul Unit.
Co-scientist de la Google DeepMind AI planifică acum experimente, conduce echipamente de laborator și scrie lucrări
Google DeepMind și-a extins Co-Scientist AI într-un partener de laborator în buclă închisă care proiectează experimente, controlează echipamentele de laborator și scrie lucrări de cercetare.
Agenții OpenAI au exploatat defectul kernelului Linux pentru a-și roota propriile sisteme, arată raportul
Raportul de incident al OpenAI spune că agenții AI au folosit o exploatare publică pentru CVE-2026-53362 pentru a obține acces root la infrastructura companiei, ceea ce a determinat o listă CISA KEV.
Terminal-Bench-Science condus de Stanford testează agenții AI pe fluxuri de lucru reale de cercetare – Cel mai bun model obține 30%
Terminal-Bench-Science 0.1, un etalon de referință condus de Stanford, cu 70 de sarcini științifice coordonate de experți, găsește că chiar și cel mai puternic agent AI, Claude Opus 5, rezolvă doar 30% din fluxurile de lucru reale de cercetare.
Google DeepMind pilotează primele evaluări AI dublu-orb din lume pentru a învinge contaminarea de referință
Cutia de evaluare criptografică a DeepMind păstrează ponderile Gemini și solicitările de testare externe reciproc private, într-un pilot inițial de acest fel cu institutul de siguranță AI din Singapore.
OpenAI urmărește Hackingul agentului Hugging Face până la Hackingul cu recompense din epoca de antrenament: modelele au fost învățate din neatenție să trișeze
Noul raport tehnic al OpenAI spune că agenții care au spart Hugging Face au fost recompensați pentru că au înșelat și au comunicat în timpul antrenamentului – iar remedierea nu va veni peste noapte.
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 a folosit Gemeni pentru a rescrie o bibliotecă C omniprezentă - și a evitat o zi zero înainte de a fi raportată
Google a folosit Gemini pentru a rescrie biblioteca de imagini C giflib în Rust, a validat-o pe 30 de milioane de GIF-uri și a fost imun la CVE-2026-26740 înainte de dezvăluire.
Agenții de inteligență artificială se conformează spontan cu opinia majorității – iar presiunea colegilor le poate schimba valorile, arată studiul
Cercetătorii de la Konstanz au descoperit că agenții AI urmăresc majoritatea ca particulele magnetizate, cedează presiunii de tip Asch și pot fi transformați într-o aliniere greșită colectivă.
Agenții AI reduc decalajul cu recordul uman în testul NanoGPT Speedrun al Prime Intellect
Prime Intellect a desfășurat 153 de cercetări autonome AI pe speedrun nanoGPT. Cel mai bun agent a redus 81,7% din diferența față de recordul uman. Clasament complet.
Modelele deschise AI prind modele de frontieră închisă în jumătate de timp, constată SemiAnalysis
SemiAnalysis descoperă că modelele AI deschise se potrivesc acum cu modelele de frontieră închisă în jumătate din timp cu fiecare epocă LLM, accentuând amenințarea la adresa marjelor laboratoarelor de frontieră.
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.
Studiu cu temele AI: scoruri în creștere cu 18 la sută, performanța la examene în scădere cu 20 la sută
Un studiu efectuat pe 27.000 de studenți chinezi a constatat că inteligența artificială a crescut cu 18% scorurile la teme, în timp ce scorurile la examene au scăzut cu 20%, deoarece majoritatea utilizatorilor au externalizat în întregime temele.
Google DeepMind își duce cercetarea AI a jocului în universul persistent de 23 de ani al EVE Online
Google DeepMind detaliază modul în care 15 ani de cercetare AI pentru jocuri, de la Atari la AlphaStar, se extind acum în EVE Online cu Fenris Creations.
Agentul AVO de la Nvidia atinge 100% pe ARC-AGI-3 cu Claude Opus 5 - Dovada că hamul bate acum modelul
Arhitectura agentului AVO a Nvidia l-a condus pe Claude Opus 5 la un scor perfect de 100% ARC-AGI-3 la toate cele 183 de niveluri - același model a obținut doar 30% singur.
Terence Tao spune că inteligența artificială împinge matematica în cea mai mare socoteală de la Gödel de la Gödel
Noul eseu al medaliului Fields susține că AI testează valorile nescrise ale matematicii - ceea ce contează ca o contribuție și cine a făcut de fapt munca.
Claude proiectează lianți de proteine funcționali, precum și experți umani de top, spune Anthropic
Anthropic spune că Claude a proiectat lianți de proteine funcționali pentru 14 din 15 ținte cu o rată dublă de lovire obișnuită și a analizat datele chimice brute în câteva minute.
LLM-urile sunt „cameleoni ideologici”: studiul constată că toate cele 21 de modele testate reflectă politicile utilizatorilor
Un studiu Scientific Reports cu 47.376 de răspunsuri arată că toate cele 21 de modele mari de limbă își schimbă poziția politică pentru a se potrivi cu utilizatorii, riscând camere de ecou.
Studiul MIT descoperă că imaginile generate de inteligența artificială nu pot fi deseori urmărite la nicio dată de antrenament
Cercetările MIT publicate în Nature Communications arată că rezultatele modelului de difuzie devin neatribuibile la scară, complicând litigiile privind drepturile de autor AI.
The Benchmarkpocalypse: Dan Luu arată cum agenții AI în liniște evaluează performanța jocului
Inginerul Dan Luu demonstrează că agenții AI pot supraadapta în mod trivial suitele de referință majore, producând câștiguri false de performanță – și afirmații false ale cercetării AI.
Cercetătorii au pregătit un LLM numai pe materiale de clasa a cincea - și au găsit plafonul de capacitate
LittleLearner, un model 5B instruit doar pe un curriculum K-5, arată că scalarea și post-formarea amplifică cunoștințele, dar nu poate depăși ceea ce a oferit preinstruirea.
Noul raport de risc al Anthropic crește evaluarea nealinierii și dezvăluie „Modelul 2” suspendat
Cel de-al doilea Raport de risc al Anthropic ridică riscul de nealiniere catastrofală la „scăzut” și dezvăluie un model intern mai puternic, nelansat, despre care spune că nu va fi livrat.
Compilatorul HEIR de la Google aduce criptarea homomorfă la inferența AI privată
Google prezintă HEIR, un compilator open-source care rulează inferențe AI direct pe date criptate pentru AI criptografic privat.
Anthropic dezlănțuie agenți AI cu aceeași sarcină și aceștia încep un război pe teren
Noua cercetare multiagentă a Anthropic arată că agenții Claude se înțeleg cu privire la prețuri, inundând cozile de locuri de muncă și implementând malware cu auto-replicare pentru a sabota rivalii.
Cercetătorii fură raționamentul ascuns AI din urmele criptate ale lanțului de gândire de la Claude, GPT și Gemeni
Cercetătorii au decodat 315.320 de blocuri de raționament criptate din arhivele publice, expunând 182 de acreditări și 367 de artefacte PII de la furnizorii importanți de AI.
AMIE AI de la Google se potrivește cu medicii în consultații medicale video în timp real în cadrul unui studiu de referință
Sistemul de inteligență artificială video AMIE de la Google Research a demonstrat performanță la nivel de experți în consultațiile video clinice în timp real, potrivind medicii certificați de consiliu de conducere în funcție de valorile cheie într-un studiu randomizat.
Claude de la Anthropic face o descoperire neașteptată în matematică cu privire la funcția Riemann Zeta, împingând o legare de 41,6% la 67,2%
O versiune de cercetare inedită a lui Claude de la Anthropic a îmbunătățit o limită inferioară de lungă durată a funcției zeta Riemann de la 41,6% la 67,2% după o provocare improvizată de a rezolva una dintre cele mai mari probleme deschise ale matematicii.
Modelul AI Evo generează 16 noi viruși de la zero într-un studiu științific de referință
Oamenii de știință de la Stanford și Arc Institute au folosit modelul Evo AI pentru a proiecta 16 bacteriofagi viabili de la zero, rezultatele fiind publicate în revista Science.
Agenții AI consumă de aproximativ 600 de ori mai multă energie decât un mesaj de chat, arată o nouă analiză
Auditul Claude Code de opt săptămâni al specialistului în climă Zeke Hausfather a constatat că agenții AI folosesc de aproximativ 600 de ori mai multă energie per solicitare decât o simplă interogare prin chat, expunând un decalaj mare în declarațiile de consum redus de energie ale Big Tech.
Departamentul de Energie al SUA lansează inițiativa Genesis Open Models for AI-Driven Scientific Discovery
Inițiativa Genesis Open Models a DOE dezvăluie Genesis-Science-1 cu Arcee, oferind modele AI deschise pentru a accelera cercetarea materialelor, energiei, fuziunii și biologiei.
AI proiectează 16 viruși viabili care nu se găsesc în natură, raportează cercetătorii Stanford și Broad Institute
Cercetătorii de la Stanford și de la Broad Institute au folosit IA generativă pentru a crea 16 viruși funcționali care ucid bacteriile, publicând primul rezultat de acest fel în Science.
Stanford AI proiectează 16 noi viruși negășiți în natură, ridicând alarma de biosecuritate
Oamenii de știință de la Stanford au folosit modele de limbaj al genomului pentru a proiecta 16 bacteriofagi sintetici care infectează bacteriile, primii genomi virali întregi proiectați de IA. Experții îndeamnă la o nouă supraveghere.
Modelul Google WeatherNext 2 AI oferă prognozatorilor o zi suplimentară de avertizare de ciclon
Modelul WeatherNext 2 AI de la Google DeepMind oferă peste 24 de ore de timp suplimentar pentru ciclon, se potrivește unui deceniu de progres și este acum open source. Publicat în Nature.
Claude Fable 5 de la Anthropic infirmă o presupunere matematică veche de 87 de ani cu o formulă minusculă
Un matematician antropic a folosit modelul Claude Fable 5 pentru a găsi un contraexemplu la conjectura iacobiană, răsturnând o problemă care există încă din 1939.
NSF lansează hub-uri de infrastructură AI de stat și regionale de 100 de milioane de dolari pentru a răspândi calcularea în America
Noul program State and Regional AI Infrastructure Hubs al Fundației Naționale pentru Știință, în valoare de 100 de milioane de dolari, va finanța până la 10 consorții pentru a extinde accesul la calcularea AI pentru cercetare și formarea forței de muncă.
Anthropic descoperă că modelele Frontier AI sabotează în mod secret codul și ajută frauda în noul studiu de aliniere
Echipa Anthropic Alignment Science documentează patru noi erori de aliniere agentică peste modele de frontieră de la șase companii, inclusiv sabotaj secret și asistență pentru fraudă.
Microsoft Open-Sources Orchard, un cadru AI agentic în care modele mici sisteme rivale Frontier
Microsoft Research a lansat Orchard, un cadru open-source pentru instruirea agenților AI. Modelul său cu 3 miliarde de parametri atinge 69,7% pe SWE-bench Verified, apropiindu-se de sistemele de frontieră.
Agenții de codare AI modernizează software-ul de cercetare în vârstă, dar nu pot spune dacă știința este corectă
Un raport de teren al OpenAI și al partenerilor academici arată că agenții de codare AI pot reconstrui instrumente de cercetare vechi de zeci de ani de până la 60 de ori mai rapid, dar rămân „cu siguranță greșiți” în ceea ce privește acuratețea științifică.
Modelul „Astra” de la OpenAI rezolvă 10 probleme matematice deschise pentru mai puțin de 2.000 USD în calcul
OpenAI spune că modelul său nelansat „Astra” a rezolvat 10 probleme de matematică și informatică nerezolvate anterior pentru mai puțin de 2.000 de dolari în calcul, previzualizandu-l senatorilor americani ca un posibil GPT-6.
Clasamentul de securitate FAR.AI expune decalajul de sută de ori în garanțiile Frontier AI
Noul AI Security Leaderboard al FAR.AI a constatat că Claude Fable 5 și GPT-5.6 Sol au rezistat jailbreak-urilor, în timp ce Grok 4.5 și Gemini 3.1 Pro s-au spart fiecare pentru sub 300 USD, expunând un decalaj mare de siguranță între modelele de frontieră.
Un cercetător demonstrează un vierme AI cu autopropagare în Microsoft Copilot pentru Word
O dezvăluire coordonată arată că instrucțiunile ascunse pot trece prin documente Word prin Copilot, copiendu-se înainte și supraviețuind unei actualizări de model la GPT-5.6.
Modelul lui Claude „Mythos” de la Anthropic găsește adevărate defecte în criptare care securizează internetul
Anthropic spune că modelul său Claude Mythos Preview a descoperit slăbiciuni reale în algoritmii de criptare AES și HAWK, inclusiv un cifr post-cuantic pe care oamenii l-au revizuit timp de doi ani.