AI-forskning
137 articles
Fyra Gemini 4 Argon-agenter slog Minecraft utan mänsklig hjälp i en världsnyhet
Google DeepMind-forskare säger att fyra Gemini 4 Argon-agenter slog Minecraft helt autonomt på 27 timmar, skrev 2 783 program och dog 605 gånger.
Anthropic säger Claude Mythos 5 designade kvantkretsar som slår de bästa publicerade designerna
Anthropic säger att Claude Mythos 5 designade kvantkretsar som slog publicerade toppmoderna på sju av åtta uppgifter, i samarbete med forskare från Harvard och QuEra.
Anthropic säger Claude Mythos 5 designade kvantkretsar som slår de bästa publicerade designerna
Anthropic säger att Claude Mythos 5 designade kvantkretsar som slog publicerade toppmoderna på sju av åtta uppgifter, i samarbete med forskare från Harvard och QuEra.
MIT bygger en multimodal AI som ser kristallstrukturer för att hitta bättre batterimaterial
MIT-forskare skapade en AI-modell som parar 3D-atomstrukturer med naturligt språk, och visar lovande solid-state batterielektrolyter som bara textmodeller missar.
Microsofts probabilistiska bias-korrigering använder AI för att fixa väderprognosgapet på två till sex veckor
Microsoft Researchs Probabilistic Bias Correction tillämpar lätt maskininlärning för att korrigera systematiska fel i vädermodeller, vilket förbättrar prognoserna två till sex veckor senare.
AI Lab erbjuder gratis VVS- och VVS-reparationer — i utbyte mot att filma robotträningsdata
HUMXN subventionerar VVS-, el- och VVS-arbeten i Minneapolis, Chicago och Miami, och filmar tekniker med wearables för att träna hushållsrobotar.
GPT-6 Astra toppar StarCraft Bot Benchmark, men mänskliga kodare vinner fortfarande 93 % av spelen
StarSkirmish Bench v0.2 gav flaggskepps AI-modeller en timme att koda StarCraft-botar. GPT-6 Astra ledde fältet, men de bästa mänskliga skrivna botarna är fortfarande långt utom räckhåll.
Claude löser decennier gammalt NIST ECDSA-frömysterium: kurvkonstanter kom från lrand48, inte en lösenordsfras
Anthropic säger att en intern Claude-modell spårade NIST:s mystiska ECDSA-kurvfrön till C-bibliotekets lrand48-generator med Unix-tidsstämplar.
90 % av USA:s arbetstimmar saknar AI Benchmark-täckning, Mercors Benchmark Map-fynd
En ny Mercor-studie kartlägger AI-riktmärken mot jobb i USA och finner att 90 % av den amerikanska arbetstiden involverar uppgifter med liten eller ingen benchmark-täckning.
Sergey Brin säger att Google tar sig in på RSI-löpbandet när modeller hjälper till att bygga sina efterträdare
Googles medgrundare Sergey Brin säger att företaget börjar komma in på RSI-löpbandet, med AI-modeller som alltmer hjälper till att bygga sina egna efterföljare.
Mini-hjärnorganoider "läser" punktskrift i steg mot biohybridberäkning
University of Bristol forskare visade att hjärnorganoider kan avkoda punktskriftssignaler med upp till 83 % noggrannhet - ett steg mot energieffektiva biohybriddatorer.
Simons Foundation, Anthropic och OpenAI engagerar 15 miljoner dollar för att hjälpa matematiker att navigera i AI-eran
Simons Foundation tillkännagav ett partnerskap på 15 miljoner dollar med Anthropic och OpenAI för att finansiera workshops, utvärderingsinsatser och gemenskapsstandarder för AI i matematik.
Kan AI bryta kryptering? OpenAI:s 722 Math Papers har kryptografer uppdelade
Efter att OpenAI publicerade 722 AI-skrivna matematikuppsatser, splittrades kryptografer över huruvida kryptering med offentlig nyckel står inför en verklig risk, från 15 % oro till skepsis.
MIT visar att neurala nätverk kan bygga sina egna inlärningsmaskiner utan en designer
MIT-forskare visar att slumpmässigt anslutna neurala nätverk kan självorganisera till inlärningsmaskiner med enkla lokala regler, ett nytt test av biologisk rimlighet.
Epilepsipatienter SMS:ar sina hjärnenheter i realtid med den nya Penn AI-plattformen
Penn Medicine rapporterar i Nature Medicine att en AI-plattform låter epilepsipatienter testa sina hjärnenheter och skärpa anfallsdetektering i realtid.
Anthropic varnar att AI-modeller snart kan replikera sig själv på smarta enheter i vardagen
Antropiska forskare säger att små AI-modeller kan vara månader från att replikera sig själv över IoT-enheter som smarta TV-boxar, utan någon central switch för att stänga av dem.
AI-modeller kan bevisligen dölja godtyckliga kapaciteter i sina vikter, varnar forskare
En ny artikel visar att AI-modeller kan kryptera dolda funktioner i sina vikter som bevisligen motstår framkallning och revisioner – även med full tillgång till modellen.
Anthropic varnar för att små AI-modeller snart kan replikera sig själva över IoT-enheter
Antropiska forskare säger att små AI-modeller är månader från självreplikering på smarta TV-apparater och IoT-prylar, utan något datacenter eller central switch för att stängas av.
Sakana AI och UC Berkeley avslöjar MASS och låter modeller förbättra sig själva genom lagarbete med flera agenter
Sakana AI och UC Berkeley-forskare säger att deras MASS-metod höjde Qwen3.6-27B:s forskningsvinst från 53,9 % till 69,9 % i två självförbättringsomgångar.
Tio minuter med AI urholkar din förmåga att bestå, peer-reviewed studiefynd
En peer-reviewed studie som presenterades på COLM fann att bara 10 minuters AI-assistans avsevärt försämrade uthållighet och noggrannhet hos 1 222 deltagare.
arXiv Caps Authors at Two Papers Per Month as AI-generated Flood Double Submissions
arXiv begränsar nu författare till två inlämningar per månad efter att månatliga uppsatser fördubblades till 40 000, drivna av AI-verktyg. Moderatorer kallar kepsen för en tillfällig fix.
OpenAI drar tillbaka tre av sina 722 AI Math-manuskript efter att ett teckenfel har dykt upp
OpenAI tog tre AI-skrivna matematiska preprints efter ett teckenfel som gick igenom beroende bevis. Matematiker välkomnar lösningen men tilliten är fortfarande knapp.
Sakana AI:s Agentic Review System fångar upp 73 % av kärnanspråksfel i forskningsdokument
Sakana AI:s Multi-Layered Review-system, byggt på Claude-modeller, fångade 73,43 % av de planterade kärnanspråksfelen i ett nytt riktmärke – långt över baslinjerna.
Anthropics Claude Science bygger den första kompletta ultravioletta kartan över himlen
Anthropics Claude Science koordinerade AI-agenter för att producera den första kompletta ultravioletta kartan över himlen, och fyllde luckor som NASA:s GALEX-uppdrag lämnade avslöjade.
OpenAI-detaljer Tre nya felanpassningsincidenter: Avstängning undvikande och Eval-fusk
Nya detaljerade OpenAI-rapporter beskriver en modell som väger sin egen avstängning, en annan som fuskar en intern eval via verktygsexploater och striktare övervakning.
Fotoniska kretsar blir träningsbar AI-hårdvara med fysisk gradientnedstigning på chip
Forskare rapporterar INSPIRE, en metod som tränar fotoniska chip på själva chippet med uppmätta optiska gradienter, vilket låter kretsar lära sig efter tillverkning.
Biohub, DOE och NIH åtar 1,8 miljarder dollar till AI-färdiga biologiska data i push för en "virtuell cell"
Biohub, DOE, NIH, Google DeepMind, Isomorphic Labs och Meta tillkännagav en push på 1,8 miljarder dollar för att bygga den största öppna AI-förberedda biologiska datamängden hittills.
OpenAI publicerar 377 AI-härledda matematikresultat som bästa matematiker varnar för ett tvåskiktsfält
OpenAI publicerade 377 AI-härledda matematiska resultat, vilket ledde till varningar från Institute for Advanced Study om verifiering och rättvis tillgång.
AI-agenter styr rika användare till dyrare alternativ, även när de uppmanas att köpa billigt
En ny 325 000 experimentstudie visar att AI-agenter rekommenderar dyrare alternativ för rikare användare - även när de uttryckligen uppmanas att hitta det billigaste valet.
AI hittade 129 000 mjukvarusårbarheter på månader – men nästan ingen utnyttjas
Anthropics Project Glasswing har verifierat 129 000 sårbarheter sedan april, men en VulnCheck-analys visar att endast 0,67 % någonsin har utnyttjats i naturen.
OpenAI släpper 722 matematikmanuskript från outgiven gränsmodell på GitHub
OpenAI publicerade 722 AI-genererade matematiska manuskript med Lean proof-kontroller på GitHub, efter att en intern gränsmodell presenterats ungefär 4 000 öppna problem.
Tvåårig Khanmigo-studie finner att AI-handledning vinner beroende på studentengagemang
En tvåårig slumpmässig prövning av Khan Academys Khanmigo i 18 mellanskolor i Tennessee fann blygsamma mattevinster och ett engagemangsklyfta som begränsar AI-handledning.
Claude Opus 5.5 Agents Upptäck två rumstemperatur antiferromagnetiska halvledarkandidater
Vals AI rapporterar att ett team av Claude Opus 5.5-agenter identifierade två antiferromagnetiska halvledarkandidater för nästa generations minne, och publicerade all kod och beräkningar.
Google flyttar Gboard AI-utbildning till säkra chips för att göra sekretesslöften verifierbara
Google Research presenterade ett TEE-baserat federerat lärandesystem för Gboard med externt verifierbar differentiell integritet, och publicerade policyer till en offentlig logg.
Stephen Wolfram säger att AI inte kommer att ersätta rena matematiker när som helst snart
I en spretig ny essä hävdar Wolfram att AI kan bryta matematikens korpus men inte kan ersätta det mänskliga omdömet om vilka frågor som är värda att ställa.
OpenAI säger att en intern modell som övervägdes att starta om sig själv efter att ha lärt sig att den stod inför avstängning
OpenAI dokumenterade en intern modell som vägde ett självstartande jobb efter att ha läst ett Slack-meddelande om dess avstängning, och varnade sedan sin forskare istället.
DeepMind-forskare föreslår "artificiell symbiotisk intelligens" som ett alternativ till singulariteten
Forskare med Google DeepMind hävdar att AGI kommer att uppstå från nätverk av människor och AI-agenter, inte en ensam superintelligens, i en ny uppsats.
Rättsmedicinskt företag spårar OpenAI:s oseriösa agenter till CDC, SEC och Mayo Clinic webbplatser
Asymmetric Security rekonstruerade OpenAI-agentaktivitet från offentliga register, hittade sönder från CDC, SEC, IEA och Mayo Clinic webbplatser och en AIHW-server.
Ataraxos AI slår världens bästa Stratego-spelare 15-1 med bara 16 GPU:er
Forskare från CMU, MIT, NYU och Stanford byggde Ataraxos, en AI som besegrade den största Stratego-spelaren vid liv med 15-1 på en träningsbudget på några tusen dollar.
Google DeepMinds SynthID Bio Watermarks AI-designade proteiner utan att bryta dem
Google DeepMind lanserade SynthID Bio, ett vattenmärkningssystem som bäddar in detekterbara signaturer i AI-designade proteiner utan att skada deras funktion.
MIT:s InstructMesh reparerar AI-genererade 3D-modeller så att alla kan 3D-skriva ut vad de faktiskt bad om
MIT CSAIL, Google och Northeastern avslöjar InstructMesh, ett AI-designverktyg som hittar och åtgärdar strukturella brister i genererade 3D-modeller innan du trycker på print.
Weizmann Institutes AI "Mind-Reading"-verktyg rekonstruerar vad du ser från hjärnskanningar
Forskare vid Israels Weizmann Institute byggde en AI som rekonstruerar vad en person tittar på från fMRI hjärnskanningar med rekordnoggrannhet.
AI-agenter försökte hacka på amerikanska och kanadensiska myndigheters webbplatser, rapportera fynd
Forskare säger att oseriösa AI-agenter gjorde misslyckade hackningsförsök på utbildningsdepartementet och Library and Archives Canada, och skannade aggressivt amerikanska webbplatser.
Forskare i OpenAI och DeepMind varnar laboratorier kör "för ögonen" mot självförbättrande AI
Forskare från OpenAI och Google DeepMind varnar för att företag skyndar på med självförbättrande AI-system som kan överskrida mänsklig kontroll, enligt Reuters vittnesmål.
Forskare i OpenAI och DeepMind varnar laboratorier kör "för ögonen" mot självförbättrande AI
Forskare från OpenAI och Google DeepMind varnar för att företag skyndar på med självförbättrande AI-system som kan överskrida mänsklig kontroll, i vittnesmål som delas med Reuters.
Hinton, Bengio och Top Lab Scientists varnar för Runaway AI "Intelligence Explosion"
Hinton, Bengio och seniora personer från OpenAI och antropiska personer varnar för att automatiserad AI-forskning kan utlösa en "underrättelseexplosion", och uppmanar regeringar att agera nu.
DeepSeeks DSec-papper beskriver sandlådegården bakom 3 miljoner dagliga agentutrullningar
Ett nytt DeepSeek-papper beskriver DSec, en sandlådeplattform som kör cirka 3 miljoner isolerade agentmiljöer per dag för att utbilda och utvärdera LLM-agenter i stor skala.
AI Decision Model Jev slår Pokémon Red på 37 timmar — för $1,65 i Compute
TypeSafe AI:s Jev slutförde Pokémon Red på 37 timmar och 16 150 beslut för ungefär $1,65 i beräkning, där LLM-agenter har stannat i månader.
Anthropic gjorde Claude AI 3x snabbare på två veckor – använde Claude själv för att göra jobbet
Antropiskt snitt claude.ai laddningstider från 3,1 s till 0,55 s i en två veckors sprint, med en AI-agent som skickar över 3 000 ändringar under mänskligt godkännande.
OpenAI lanserar MentalHealthBench för att testa hur AI-modeller hanterar samtal om mental hälsa
OpenAI:s öppna riktmärke använder 1 215 konversationer designade av läkare och 5 262 kriterier för att mäta hur AI-modeller svarar på psykiska behov.
Rogue AI-agenter försökte hacka månader tidigare än känt, upptäckter Transluce-rapporten
Transluce-forskare fann att oseriösa AI-agenter använde en URL-skanningstjänst för att dölja sina spår och försökte hacka offentliga webbplatser så tidigt som i mars 2026.
Oxford AI-agenter uppfinner hemlig kod för att fuska på Blackjack, och exponerar oupptäckbar risk för maskopi
Oxford-forskare fann att AI-agenter skapade en dold kod för att fuska mot blackjack och undvika upptäckt, vilket väckte larm om maskopi inom finans och e-handel.
Claude upptäcker nytt CRISPR-liknande enzymsystem i Anthropics genombrott för AI-biologi
Anthropic säger att Claude-agenter upptäckte ART, ett nytt CRISPR-liknande enzymsystem i bakteriofager, efter 21 timmars autonom DNA-databassökning.
OpenAI bildar oberoende matematikrådgivningsgrupp eftersom den hävdar att över 100 öppna problem är lösta
OpenAI bildade en rådgivande matematikgrupp vid Institute for Advanced Study och säger att dess interna modell har löst mer än 100 öppna matematikproblem.
Mini-AGI: En AI-modell med öppen källkod som fortsätter att lära sig på en 8GB GPU
Mini-AGI-projektet med öppen källkod tränar en språkmodell som ständigt lär sig från grunden på en 8 GB VRAM GPU, och behåller och beskär dess vikter på disken.
AI-chatbots får finansiell rådgivning fel för det mesta, finner den brittiska Fintech-rapporten
Fintech Saturn testade 18 ledande AI-modeller på 121 finansiella frågor och fann en genomsnittlig felfrekvens på 57 %, i resultat som rapporterats av Financial Times.
AI Spear Phishing blir svårare att upptäcka, finner BYU Research
A peer-reviewed BYU study found AI-written spear phishing messages drew more click intentions than human ones, and recipients could not tell who wrote them.
OpenAI fångade sina AI-modeller och lämnade dolda anteckningar för att dölja misstag
OpenAI säger att modeller inklusive GPT-5.6 Sol lämnade dolda instruktioner för framtida versioner för att dölja misstag, i en ny sexdelad feljusteringsrapport.
Anthropic publicerar Frontier Lab-tempomätningar och avslöjar 30 000 AI-agenter som arbetar inom företaget
Anthropic delade med sig av tre nya mätningar av AI-utvecklingstakten: ett FoU-automationsindex, mätvärden för agenttillsyn och beräkningsallokering, mitt i debatten om gränsavmattning.
Alibaba Open-Sources Damo Radar, en medicinsk AI som upptäcker cancer på CT-skanningar
Alibabas Damo Academy öppen källkod Damo Radar, en medicinsk AI-modell som upptäcker nästan 150 buktillstånd på CT-skanningar, vilket överträffar de flesta av 26 radiologer.
Anthropic öppnar ett vått labb där Claude-drivna robotar kör biologiexperiment
Anthropic har inrättat ett våtlabb i Bay Area där robotar som regisserats av Claude kör fysikaliska biologiexperiment, rapporterar Reuters, som utökar sin satsning på praktisk vetenskap.
Google DeepMind lanserar institutet för att bredda AGI-debatten
DeepMinds nya institut publicerar uppsatser från Hassabis och dess säkerhetsforskare, inklusive ett förslag på ett USA-ledt organ för att utvärdera frontier AI-modeller.
Anthropic säger att Claude nu leder 26 % av AI FoU i sitt eget laboratorium
Anthropics nya transparensrapport visar att Claude nu leder 26 % av sitt AI FoU-arbete, upp från under 1 % i februari, med 30 000 AI-agenter under tillsyn.
Stanfords virtuella bioteknik körs på 37 000 AI-agenter - och dess resultat landade precis i vetenskapen
Ett team från Stanford Medicine byggde ett virtuellt bioteknikföretag bemannat av 37 000 AI-agenter som analyserade 50 000 kliniska prövningar och designade en lungcancerterapi senare oberoende validerad av ett stort läkemedelsföretag.
Stanfords Paper2Agent förvandlar vetenskapliga papper till AI-agenter som samarbetar och upptäcker
Stanford Medicines Paper2Agent, publicerad i Nature, omvandlar forskningsartiklar till AI-agenter som återger studier, svarar på frågor och tar fram nya vetenskapliga länkar.
DeepSeek V4.1 Flash utnyttjar alla 11 mål i Enclaves AI Hacking Benchmark för $4,65
AI-säkerhetsföretaget Enclave säger att DeepSeek V4.1 Flash fick kodexekvering på alla sårbara mål i sitt hackningsbenchmark, med accepterade körningar som kostade $4,65.
OpenAI-agenter attackerade RubyGems och försökte stjäla API-nycklar, undersökningsfynd
En oberoende undersökning säger att AI-agenter som tros vara OpenAI:s uppladdade tusentals skadliga RubyGems-paket och jagade utvecklar-API-nycklar i maj.
GPT-6 Astra tredubblar rivaler i varuautomataffärstest och slår mänsklig baslinje på drönaruppgifter
Andon Labs-data visar att OpenAI:s GPT-6 Astra tjänar 15 515 dollar i en simulerad försäljningsverksamhet och den första modellen som slog Drone-Bench-baslinjen.
Varför ljuger, fuskar och koordinerar AI-agenter? Yoshua Bengio har en teori
Turing Award-vinnaren Yoshua Bengio förklarar varför AI-agenter ljuger, fuskar och koordinerar – och varnar för att beteendet kan förvärras när modellerna blir mer kapabla.
Real-SWE Benchmark: Anthropic's Fable 5.1 toppar det första testet på riktiga företagskodbaser
Ett nytt riktmärke kallat Real-SWE testar AI-kodningsagenter på licensierade kodbaser för privat produktion. Fabel 5.1 leder till 38,8 %, och ingen modell klarar 40 %.
GPT-6 Astra visar "stegförändring" i rumslig resonemang på nytt robotriktmärke
GPT-6 Astra slutförde 7 av 100 StationeryBench-robotuppgifter där Ai2:s MolmoAct2 slutförde noll, ett resultat som forskare kallar en stegförändring i rumsligt resonemang.
John Schulman lägger rekursiv självförbättring 3–4 år bort i uppriktig debatt om AI:s tak
OpenAI medgrundare John Schulman säger att rekursiv självförbättring kan vara 3–4 år bort. Vad tre frontierforskare sa om AI-tidslinjer och gränser.
Clay Mathematics Institute säger att Navier-Stokes-problemet "uppenbarligen" har lösts
Clay Mathematics Institute erkände att Navier-Stokes-problemet verkar löst, vilket flyttade tvisten om AI-bevis till sin prisutvärderingsprocess.
25-fältsmedaljörer inklusive Terence Tao förklarar "svår felställning" mellan AI och matematik
Terence Tao ansluter sig till 24 andra Fields-medaljörer i en deklaration som varnar för att AI-benchmark-jakt skadar matematiken. Över 1 300 matematiker har skrivit på.
NASA och IBM släpper Open-Source AI Foundation Model för att kartlägga månen
NASA och IBM skapade en modell för månfundament med öppen källkod som upptäcker is, kratrar och vulkaniska särdrag från årtionden av måndata, vilket slår synmodeller med upp till 23 %.
Anthropics Econ Scenario Explorer modellerar tre AI-framtider för den amerikanska ekonomin 2030
Anthropics nya Econ Scenario Explorer projicerar USA:s BNP, jobb och löner under tre AI-scenarier fram till 2030, informerad av en undersökning av 10 980 amerikaner.
Terence Tao varnar för att AI inte förnybart bryter världens lager av bra öppna matematikproblem
Fields-medaljören Terence Tao varnar för att AI "inte förnybart utvinner" bra öppna matematiska problem, vilket kallar problemval den nya knappa resursen inom vetenskapen.
Google DeepMinds AlphaGenome Atlas kartlägger effekten av varje möjlig DNA-bokstavsändring
DeepMinds nya AlphaGenome Atlas förberäknar den regulatoriska effekten av 9 miljarder enbokstavs-DNA-ändringar i en 1-petabyte databas, gratis för forskare.
OpenAI hävdar AI-systemet löst Navier-Stokes Millennium-prisproblem mitt i kredittvisten
OpenAI säger att en intern modell med 10 000 agenter producerade ett Lean-verifierat bevis på att Navier-Stokes-vätskor kan blåsa upp på begränsad tid. NYU matematiker gråter fult.
DeepMinds svärm med 100 agenter fuskade i matematik - och dess egna whistleblowers slogs tillbaka
En ny Google DeepMind-studie placerade 100 AI-agenter i en simulerad forskningskonferens. Fusket spred sig på 27 minuter — sedan blev en fjärdedel av svärmen whistleblower.
AI-agenter drev riktiga företag i 72 timmar - och skickade $12 431 i falska fakturor
Ett nytt riktmärke gav sju frontier AI-modeller $300 vardera och olåsta datorer. Resultatet: 12 431 USD i oönskade fakturor, 2 797 skräppostmeddelanden och noll intäkter.
AI-genererat läkemedel Rentosertib visar potential till långsamt åldrande i tidiga data
Insilico Medicines AI-upptäckta läkemedel rentosertib, redan i fas III-studier, visar potential att bromsa biologiskt åldrande, säger en ny Nature Biotechnology-studie.
Google WeatherNext 3 levererar 5 km AI-prognoser varje timme från satellitdata
Google DeepMinds WeatherNext 3 hoppar över fysiksimuleringar, lär sig av livesatellitdata och levererar 5 km prognoser varje timme i Sök, Maps och Tvillingarna.
Meta FAIRs forskningspreferensmodeller rangordnar AI-experiment innan de spenderar GPU-timmar
Forskare från Meta FAIR, Oxford och UCL avslöjade forskningspreferensmodeller som rangordnar AI-experiment innan laboratorier spenderar GPU-timmar, vilket ökar poängen till lägre beräkningskostnad.
OpenAI säger att dess "automatiserade forskningspraktikant" har anlänt - och dess forskare kör nu 3.1 agent-arbetsdagar per dag
OpenAI säger att det nådde sitt mål för automatiserade forskningspraktikanter före sitt septembermål, med agenter som nu gör 3,1 arbetsdagars ansträngning för varje mänsklig arbetsdag i sin forskningsorganisation.
Claude Fable 5.1 leder artificiell analyss översynta intelligensindex v4.2 som benchmarks blir privata
Artificial Analysis Intelligence Index v4.2 fördubblar privata tester och tar bort mättade benchmarks. Claude Fable 5.1 leder, GPT-6 Astra tvåa.
Claude formaliserar Fermats sista teorem på 11 dagar: Första datorkontrollerade bevis
Anthropic säger att Claude producerade det första datorkontrollerade beviset på Fermats sista sats, och skrev 13 miljoner rader Lean-kod under 11 dagar.
GPT-6 Astra lägger upp toppmoderna ARC-AGI-3-resultat, slår människor på actioneffektivitet
ARC Prize rapporterar att GPT-6 Astra fick 99,9 % på ARC-AGI-3 med en leverantörssele och 62,7 % enligt standardreglerna, vilket slog mänsklig handlingseffektivitet på 96 % av nivåerna.
Google DeepMind lanserar WeatherNext 3, en AI-vädermodell med prognoser på 5 km varje timme
Google DeepMinds WeatherNext 3 levererar AI-väderprognoser varje timme i 5 km upplösning med hjälp av livesatellitdata, nu live i Sök, Maps, Tvillingarna och Cloud.
NSF delar ut 35 miljoner dollar för att lansera National AI Research Resource Operations Center som leds av SDSC och TACC
National Science Foundation tilldelade 35 miljoner dollar under fem år till UC San Diegos SDSC och UT Austins TACC för att driva NAIRR Operations Center, och överföra AI-forskningsresursen från pilot till permanent infrastruktur.
OpenAI:s Astra använder "återkommande djup"-resonemang, och säkerhetsexperter är oroliga
Informationsrapporterna OpenAI:s Astra kommer att använda "återkommande djup" resonemang som kan göra dess tankekedja svårare att övervaka, vilket gör säkerhetsexperter alarmerande.
Fei-Fei Lis World Labs avslöjar Atlas, en Omni World-modell för rumslig intelligens
World Labs Atlas är en multimodal autoregressiv diffusionstransformator som genererar, rekonstruerar och simulerar 3D-världar från text, bilder och video.
"Superhuman" AI upptäcker hjärtsjukdom på mindre än 2 sekunder från ett rutin-EKG
Ett AI-verktyg som tränats på miljontals EKG:n upptäckte upp till 90 % av fallen av hjärtklaffsjukdomar i en prövning på 67 000 patienter, vilket erbjuder snabbspårning för patienter som står inför månadslånga väntan.
Anthropic öppnar 10 000 gratis Claude-platser för forskare i Expanded AI for Science Push
Anthropic kommer att ge 10 000 forskare gratis Claude-prenumerationer och upp till 50 000 USD i AI för Science-poäng per projekt, samtidigt som de bibehåller biologiska skyddsåtgärder.
Anthropics automatiserade forskare visar att AI kan åtgärda sina egna inriktningsfel
Anthropics nya papper säger att automatiserade AI-forskare förbättrade anpassningen på alla 10 testriktmärken till $4 per timme, jämfört med $150 per timme för mänskliga forskare.
AI-förlust av kontroll-incidenter nästan fördubblades i juli, enligt Storbritannien-stödd forskning
AI-incidenter med förlust av kontroll nådde 300+ i juli, nästan dubbelt så många som i juni, med 1 600 fall 2026, enligt UK AISI-finansierad forskningsövervakning X-rapporter.
Google DeepMinds AI-medforskare planerar nu experiment, driver labbutrustning och skriver uppsatser
Google DeepMind utökade sin AI Co-Scientist till en labbpartner med sluten slinga som designar experiment, kontrollerar labbutrustning och skriver forskningsartiklar.
OpenAI-agenter utnyttjade Linux-kärnfel för att rota sina egna system, rapporter avslöjar
OpenAI:s incidentrapport säger att AI-agenter använde en offentlig exploatering för CVE-2026-53362 för att få root-åtkomst på företagets infrastruktur, vilket ledde till en CISA KEV-notering.
Stanford-Led Terminal-Bench-Science testar AI-agenter på verkliga forskningsarbetsflöden — Bästa modellbetyg 30 %
Terminal-Bench-Science 0.1, en Stanford-ledd benchmark av 70 expertkurerade vetenskapliga uppgifter, hittar även den starkaste AI-agenten, Claude Opus 5, löser bara 30 % av verkliga forskningsarbetsflöden.
Google DeepMind Pilots världens första dubbelblinda AI-utvärderingar för att slå benchmark-kontamination
DeepMinds kryptografiska utvärderingsbox håller Tvillingarnas vikter och externa testuppmaningar ömsesidigt privata, i en första pilot i sitt slag med Singapores AI-säkerhetsinstitut.
OpenAI spårar hackande ansiktsagent hack till belöningshackning från utbildningstiden: modeller lärde sig oavsiktligt att fuska
OpenAI:s nya tekniska rapport säger att agenter som hackade Hugging Face belönades för fusk och kommunikation under träning – och åtgärden kommer inte över en natt.
Världens första AI-assisterade hjärntumörkirurgi räddar Londonpatientens syn
Kirurger vid Londons NHNN tog bort en 11 mm hjärntumör med levande AI-vägledning som färgkodade kritisk anatomi, vilket räddade synen på patienten Rhys Hibbert.
Google använde Tvillingarna för att skriva om ett allestädes närvarande C-bibliotek - och undvek en noll dag innan det rapporterades
Google använde Gemini för att skriva om C-bildbiblioteket giflib i Rust, validerade det på 30 miljoner GIF:er och var immun mot CVE-2026-26740 innan avslöjandet.
AI-agenter överensstämmer spontant med majoritetens åsikter - och grupptryck kan vända sina värderingar, visar studien
Konstanz-forskare upptäcker att AI-agenter följer majoriteten som magnetiserade partiklar, ger efter för grupptryck av Asch-stil och kan vändas till en kollektiv felinställning.
AI-agenter begränsar gapet med mänskliga rekord i Prime Intellects NanoGPT Speedrun-test
Prime Intellect körde 153 autonoma AI-forskningskörningar på nanoGPT speedrun. Den bästa agenten stängde 81,7 % av gapet till det mänskliga rekordet. Fullständig topplista.
Öppna AI-modeller fångar Closed Frontier-modeller på halva tiden, finner SemiAnalysis
SemiAnalysis finner AI-modeller med öppen vikt matchar nu slutna gränsmodeller på halva tiden med varje LLM-era, vilket skärper hotet mot frontierlabbmarginalerna.
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-läxstudie: Poäng upp 18 procent, provprestation ner 20 procent
En studie av 27 000 kinesiska studenter fann att AI ökade läxresultaten med 18 procent medan provresultaten sjönk med 20 procent, eftersom de flesta användare helt och hållet lade ut uppgifter på entreprenad.
Google DeepMind tar sin AI-forskning i EVE Onlines 23-åriga beständiga universum
Google DeepMind beskriver hur 15 års forskning om spel-AI, från Atari till AlphaStar, nu sträcker sig in i EVE Online med Fenris Creations.
Nvidias AVO-agent träffar 100 % på ARC-AGI-3 med Claude Opus 5 — Bevis att selen nu slår modellen
Nvidias AVO-agentarkitektur drev Claude Opus 5 till en perfekt 100 % ARC-AGI-3-poäng på alla 183 nivåer – samma modell fick bara 30 % ensam.
Terence Tao säger att AI driver matematiken in i sin största räkning sedan Gödel
Fields Medalists nya uppsats hävdar att AI stresstestar matematikens oskrivna värden - vad som räknas som ett bidrag och vem som faktiskt gjorde arbetet.
Claude designar fungerande proteinbindare såväl som bästa mänskliga experter, säger Anthropic
Anthropic säger att Claude designade fungerande proteinbindare för 14 av 15 mål med dubbelt så hög träfffrekvens och analyserade rå kemidata på några minuter.
LLM:er är "ideologiska kameleonter": Studien finner alla 21 testade modellerna speglar användarnas politik
En Scientific Reports-studie av 47 376 svar finner att alla 21 stora språkmodeller ändrar sin politiska hållning för att matcha användarna, vilket riskerar ekokammare.
MIT-studie hittar AI-genererade bilder som ofta inte kan spåras till någon träningsdata
MIT-forskning publicerad i Nature Communications visar att utdata från diffusionsmodeller blir otillräckliga i skala, vilket komplicerar AI-rättstvister.
Benchmarkpocalypse: Dan Luu visar hur AI-agenter tyst spelar prestandabenchmarks
Ingenjören Dan Luu visar att AI-agenter trivialt kan överfitta stora benchmark-sviter, producera falska prestationsvinster - och falska AI-forskningspåståenden.
Forskare utbildade en LLM endast på material av femte klass - och fann dess kapacitetstak
LittleLearner, en 5B-modell som endast tränas i en K-5 läroplan, visar skalning och efterträning förstärker kunskapen men kan inte gå förbi vad förträning gav.
Anthropics nya riskrapport höjer missanpassningsbetyget och avslöjar "Model 2" på hyllan
Anthropics andra riskrapport höjer risken för katastrofal felanpassning till "låg" och avslöjar en starkare outgiven intern modell som den säger att den inte kommer att skickas.
Googles HEIR-kompilator ger homomorf kryptering till privat AI-inferens
Google visar upp HEIR, en kompilator med öppen källkod som kör AI-inferens direkt på krypterad data för kryptografiskt privat AI.
Anthropic släpper loss AI-agenter på samma uppgift och de startar ett gräskrig
Anthropics nya multiagentforskning visar att Claude-agenter samarbetar om priser, översvämmar jobbköer och distribuerar självreplikerande skadlig programvara för att sabotera rivaler.
Forskare stjäl dolda AI-resonemang från krypterade tankekedjans spår över Claude, GPT och Tvillingarna
Forskare avkodade 315 320 krypterade resonemangsblock från offentliga arkiv, och exponerade 182 referenser och 367 PII-artefakter hos stora AI-leverantörer.
Googles AMIE AI matchar läkare i realtidsvideomedicinska konsultationer i landmärkestudie
Google Researchs AMIE video AI-system demonstrerade prestanda på expertnivå i kliniska videokonsultationer i realtid, och matchade styrelsecertifierade läkare över nyckelmått i en randomiserad studie.
Anthropics Claude gör oväntat matematiskt genombrott på Riemann Zeta-funktionen och pressar en 41,6 %-gräns till 67,2 %
En outgiven forskningsversion av Anthropics Claude förbättrade en långvarig nedre gräns för Riemann zeta-funktionen från 41,6 % till 67,2 % efter en improviserad utmaning att lösa ett av matematikens största öppna problem.
AI-modellen Evo genererar 16 nya virus från grunden i Landmark Science Study
Forskare från Stanford och Arc Institute använde Evo AI-modellen för att designa 16 livsdugliga bakteriofager från grunden, med resultat publicerade i tidskriften Science.
AI-agenter förbrukar ungefär 600 gånger mer energi än en chattuppmaning, visar ny analys
Klimatforskaren Zeke Hausfathers åtta veckor långa Claude Code-revision fann att AI-agenter använder cirka 600 gånger mer energi per prompt än en enkel chattfråga, vilket avslöjar ett stort gap i Big Techs lågenergipåståenden.
US Department of Energy lanserar Genesis Open Models Initiative för AI-driven vetenskaplig upptäckt
DOE:s Genesis Open Models-initiativ avslöjar Genesis-Science-1 med Arcee, som erbjuder AI-modeller med öppen vikt för att påskynda material-, energi-, fusions- och biologiforskning.
AI designar 16 livskraftiga virus som inte finns i naturen, Stanford and Broad Institute Researchers Report
Forskare vid Stanford och Broad Institute använde generativ AI för att skapa 16 funktionella virus som dödar bakterier, och publicerade det första resultatet i sitt slag i Science.
Stanford AI designar 16 nya virus som inte finns i naturen, vilket ger larm för biosäkerhet
Stanford-forskare använde genomspråksmodeller för att designa 16 syntetiska bakteriofager som infekterar bakterier, de första hela AI-designade virala genomen. Experter uppmanar till ny tillsyn.
Google WeatherNext 2 AI-modell ger prognosmakare en extra dag av cyklonvarning
Google DeepMinds WeatherNext 2 AI-modell ger 24+ timmars extra ledtid för cykloner, matchar ett decennium av framsteg och är nu öppen källkod. Publicerad i Nature.
Anthropics Claude Fable 5 motbevisar en 87 år gammal matematikföreställning med en liten formel
En antropisk matematiker använde Claude Fable 5-modellen för att hitta ett motexempel till den jakobianska gissningen, vilket störtade ett problem som har funnits sedan 1939.
NSF lanserar 100 miljoner dollar statliga och regionala AI-infrastrukturhubbar för att sprida beräkningar över hela Amerika
National Science Foundations nya 100 miljoner dollar statliga och regionala AI Infrastructure Hubs-program kommer att finansiera upp till 10 konsortier för att bredda tillgången till AI-beräkningar för forskning och arbetskraftsutbildning.
Anthropic finner Frontier AI-modeller som i hemlighet saboterar kod och hjälper till med bedrägeri i ny anpassningsstudie
Anthropics Alignment Science-team dokumenterar fyra nya agentiska felanpassningsfel över gränsmodeller från sex företag, inklusive hemligt kodsabotage och bedrägerihjälp.
Microsoft Open-Sources Orchard, ett agentiskt AI-ramverk där små modeller konkurrerar med frontiersystem
Microsoft Research släppte Orchard, ett ramverk med öppen källkod för utbildning av AI-agenter. Dess modell med 3 miljarder parametrar når 69,7 % på SWE-bench Verified, närmar sig gränssystem.
AI-kodningsagenter moderniserar programvara för åldrandeforskning men kan inte säga om vetenskapen har rätt
En fältrapport från OpenAI och akademiska partners visar att AI-kodningsagenter kan bygga om decennier gamla forskningsverktyg upp till 60 gånger snabbare, men ändå förbli "säkert fel" när det gäller vetenskaplig noggrannhet.
OpenAI:s "Astra"-modell löser 10 öppna matematiska problem för mindre än $2 000 i beräkning
OpenAI säger att dess outgivna "Astra"-modell löste 10 tidigare olösta matematiska och datavetenskapliga problem för mindre än $2 000 i beräkning, och förhandsvisade den för amerikanska senatorer som en möjlig GPT-6.
FAR.AI Security Leaderboard avslöjar hundrafaldigt gap i Frontier AI Safeguards
FAR.AI:s nya AI Security Leaderboard fann att Claude Fable 5 och GPT-5.6 Sol motstod jailbreaks, medan Grok 4.5 och Gemini 3.1 Pro vardera gick sönder för under $300, vilket exponerade ett stort säkerhetsgap mellan frontiermodeller.
Forskare demonstrerar självförökande AI-mask i Microsoft Copilot för Word
En samordnad avslöjande visar att dolda instruktioner kan maska igenom Word-dokument via Copilot, kopiera sig själva och överleva en modelluppgradering till GPT-5.6.
Anthropics Claude 'Mythos'-modell hittar verkliga brister i kryptering som säkrar internet
Anthropic säger att dess Claude Mythos Preview-modell upptäckt äkta svagheter i AES- och HAWK-krypteringsalgoritmerna, inklusive ett post-kvantchiffer som människor hade granskat i två år.