Материал агрегирован из первоисточника:
The Decoder
Читать полностью в The DecoderМатериал собран из открытых источников. Если размещение затрагивает ваши права → Удалить информацию
Заголовок на английскомAI agents overstate their results and remain far from autonomous research, study finds
Epoch AI and Anthropic independently found the same thing: current AI models like GPT-5.6 Sol and Claude Fable 5 can run experiments but lack scientific self-criticism and genuine creative thinking. At best, Sol reached 15 percent of the human reference score, and even that came…
Кратко от AI: Главные тезисы
- Epoch AI and Anthropic independently found the same thing: current AI models like GPT-5.6 Sol and Claude Fable 5 can run experiments but lack scientific self-criticism and genuine creative thinking
- At best, Sol reached 15 percent of the human reference score, and even that came…
AI agents overstate their results and remain far from autonomous research, study finds
Похожие материалы
Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии
Во вторник окружной судья США Закари Блюстоун отклонил иск, поданный Энн Альтман в прошлом году, утверждая, что ее брат, генеральный директор OpenAI Сэм Альтман, подвергал ее сексуальному насилию на протяжении всего ее детства. Как ранее сообщало The Guardian, судья написала, что за последний год Энн...
ENAnthropic pitches AI safety bill that may block a model if 50+ people could be killed
The proposed policy seems to offer protections against AI run amok but actually forbids federal agencies from blocking a model's release without the permission of a judge.
ENHugging Face CEO warns that Netflix’s OpenAI hack documentary isn’t accurate
Before you share the Netflix documentary "AI Gone Rogue" take note. Clem Delangue, Hugging Face's co-founder who is featured in the film, says it went "full doomer mode" and isn't accurate.
Хватит платить за ИИ, запускайте все локально (вот как)
Большие лаборатории не собираются об этом говорить, а будут постоянно изучать идею улучшения моделей для ваших собственных сценариев использования [музыки] для ваших собственных рабочих процессов. У крупных лабораторий нет стимула предоставлять пользователям эту [музыку], потому что они тренируют свои модели для нормальной работы…