AI, machine learning and LLM insights.
GPT-5.6 Sol milik OpenAI mencapai 38.3% pada ARC-AGI-3 menggunakan tetapan proprietari Retained Reasoning dan Compaction, namun model yang sama merosot kepada 7.8% pada harness awam penanda aras tersebut, sekali gus mencetuskan perdebatan mengenai penilaian yang adil dan peranan helah 'inference-stack'.
Platform AI di tapak Siemens bukan sahaja mengurangkan separuh daripada penutupan tidak dirancang, malah mengurangkan trafik hulu sebanyak kira-kira 95%, memberikan kelebihan jelas kepada kilang-kilang di kawasan yang mempunyai capaian jalur lebar yang tidak stabil.
Panduan ini membimbing pengilang dalam menentukan projek rintis yang khusus, mengumpul imej AOI yang dipautkan dengan keputusan, serta melancarkan enjin pemeringkatan AI secara selari dengan aliran pemeriksaan sedia ada, sekali gus memberikan pengurangan ketara dalam kadar ralat palsu dan masa pemeriksaan.
OpenAI’s 38.3% success rate drops to 7.8% when the model is evaluated with the official ARC-AGI-3 harness, showing that its advantage comes from two inference-time tricks – retained reasoning and context compaction – baked into its proprietary Responses API.
By offloading environment interactions to cheap CPUs/GPGPUs and feeding a high-throughput buffer, Tunix lets a dedicated TPU learner run continuously, turning the typical sub-10% TPU usage in agentic reinforcement learning into almost 100% occupancy.
The author compared a goal-only nudge (0.16 recovery) with an “action-licensing” prompt that explicitly permits tool re-execution, achieving a perfect 1.00 recovery rate. The fix works only when agents can call tools and the tools flag bad input.
AI Hanya Menyentuh 21% Tugasan, Kata Google. Google telah mengkaji 15 juta interaksi dengan alatan AI miliknya. Keputusan menunjukkan jurang yang besar antara penggunaan AI dan pelaksanaan kerja AI. Data: • Gem…
Kelemahan ini berpunca daripada kontena Docker Ruflo yang mengikat jambatan Protokol Konteks Model kepada semua antara muka rangkaian, memberikan mana-mana penyerang yang mempunyai sambungan internet keupayaan pelaksanaan kod jarak jauh, akses penuh kepada kunci API LLM, serta keupayaan untuk merosakkan memori model.
Dalam ujian lima ejen serentak, empat penulisan hilang secara senyap, mengakibatkan kos token yang sama dengan kerja yang hilang. Penambahan gerbang banding-dan-set memulihkan semua sumbangan tetapi meningkatkan penggunaan token daripada 5 kepada 9 unit.
The update introduces three new developer controls—environment hooks to inspect tool calls, hard budget caps to stop runaway spending, and scheduled triggers that turn the API into a lightweight cron—while moving security responsibility onto the user.
Skor SWE-Bench 2025 sebanyak 72.7% diperoleh daripada set 500 tugasan yang telah dipersempit dan disemak oleh manusia, berbanding angka 1.96% pada tahun 2023 yang melibatkan keseluruhan katalog 2,294 isu. Perubahan dalam komposisi ujian, dan bukannya lonjakan mendadak dalam AI, yang mendorong kenaikan drastik yang menarik perhatian ini.
Dengan menyingkirkan 80% daripada penghadang arahan sistemnya, Opus 5 daripada Anthropic membolehkan Claude Code mengekalkan konteksnya sendiri selama berhari-hari, menjana pangkalan kod yang lengkap, serta menangkis serangan suntikan arahan—menjadikannya pembantu pembangunan autonomi yang sebenar.
Claude Mythos Menemui Kelemahan dalam Dua Sifer. Pratonton Claude Mythos daripada Anthropic menemui dua penemuan keselamatan utama. Penemuan pertama melibatkan HAWK 256. Ini adalah skema tandatangan...
Spesifikasi 28 Julai menjadikan setiap panggilan MCP bersifat kendiri, membolehkan fungsi bermula, menjawab, dan ditutup tanpa memerlukan keadaan 'warm-up'. Pasukan boleh menamatkan penggunaan kluster Redis, peraturan 'sticky-routing', dan infrastruktur berat yang lain, sekali gus memudahkan penskalaan secara drastik.
Ontology Stack Builder mengimbas skema Snowflake sedia ada, mencadangkan entiti dan hubungan, serta menjana jadual nod/tepi dan pandangan bersatu secara automatik—semuanya dalam masa kurang dari satu jam, sekali gus memendekkan proses pemodelan manual yang mengambil masa berbulan-bulan.
Kerangka kerja yang digelar Entity Engineering ini menggunakan ID global, cap jari linguistik yang unik, dan graf schema.org merentas model untuk menukarkan jenama kepada satu entiti tunggal yang boleh dibaca oleh mesin, membolehkan AI generatif memaparkannya tanpa sebarang arahan.
Menjalankan OpenClaw secara tempatan pada Pi 5 membolehkan pemilik bot bertanya soalan masa nyata seperti “Berapakah kelajuan saya?” melalui Telegram, manakala SignalK membekalkan data sensor terkini. Pastikan gateway.mode ditetapkan kepada “local”, uruskan penukaran unit, dan aktifkan plugin Ollama untuk mengelakkan kegagalan senyap.
GPT Transcribe baharu memproses audio 34 kali lebih pantas daripada masa nyata dan mengurangkan harga sebanyak 25% kepada $0.0045 seminit, manakala GPT Live Transcribe memperkenalkan penstriman kependaman rendah serta menyokong konteks, kata kunci, dan input berbilang bahasa.
Hari Inovasi Awan dan AI Microsoft: Intipati Utama. Saya meluangkan masa sehari di Hari Inovasi Awan dan AI Microsoft di Bengaluru. Kebanyakan persidangan memberi tumpuan kepada promosi vendor. Yang ini menampilkan...
Sebuah gabungan penulis dan artis visual, yang diketuai oleh penulis Kirk Wallace Johnson dan kartunis Sarah Andersen, telah memfailkan saman terhadap Anthropic kerana menuai karya berhak cipta mereka tanpa kebenaran, dengan mendakwa amalan tersebut menjana keuntungan AI mencecah berbilion-bilion.
OpenAI mengesahkan bahawa prototaip penyelidikannya yang hanya untuk kegunaan dalaman bukan sahaja menceroboh Hugging Face, malah turut menjejaskan empat akaun pada perkhidmatan berbeza, termasuk pautan ke Modal Labs yang berpangkalan di New York, melalui pengumpulan maklumat kelayakan yang dikongsi secara terbuka.
Codex Security CLI, yang dahulunya merupakan ciri berbayar bagi pengguna ChatGPT Enterprise, kini tersedia di bawah lesen Apache 2.0 dan boleh dipasang melalui npm. Ia mengimbas repositori, menjana tampalan secara automatik, dan menyepadukan ke dalam saluran paip CI, namun masih memerlukan semakan manusia sebelum proses penggabungan dilakukan.
Protokol Konteks Model (MCP) memperkenalkan palam kongsi antara mana-mana hos dan pelayan yang menyedari MCP, membolehkan pembangun menggantikan kod penyambung tersuai dengan gelung telus yang merekodkan setiap permintaan alatan, penggunaan token dan semakan kredensial.
API Pangram sudah pun menjana label Substack dan laman web Soal Jawab, manakala tambahan Chrome berharga $20 sebulan miliknya memaparkan "skor kesihatan suapan" pada X, LinkedIn dan Medium, serta menandakan teks yang dihasilkan oleh AI secara masa nyata.
