Hlavné správy
Indeed uvádza, že počet ponúk na seniorské pozície od januára 2025 vzrástol o 19 %, zatiaľ čo nábor na vstupné pozície oslabil. Ponúkané mzdy rastú o 2,5 % ročne oproti cenám s rastom 3,7 % a náklady zamestnávateľov na zdravotné poistenie za štyri roky vzrástli o 25 %. Výskumný tím zamestnávateľom odporúča zachovať spodnú priečku prijímaním pracovníkov na začiatku kariéry a ich spájaním s mentormi.
Údaje Indeed poukazujú na rozdiel v nábore popri tlaku na mzdy a zdravotné poistenie. Výskumný tím odporúča zachovať prístup k prvým pracovným miestam tým, že firmy prijmú juniorov a pridelia im mentorov.
Zdroj: hiringlab.indeed.com
Čínske automobilky stiahli humanoidné roboty z výrobných skúšok pre vysoké náklady a problémy so spoľahlivosťou. Caixin uvádza, že Geely, Xiaomi, Changan a GAC zrušili ohlásené skúšky, zatiaľ čo XPeng po viac než roku vyhodnotil svoj humanoid IRON ako nehospodárny. Najrýchlejšie zlyhávali obratné ruky a predlaktia a trojsekundový výrobný takt zostal mimo dosahu strojov.
Priemyselné roboty dokážu podľa vedúceho výroby Geely pracovať medzi poruchami 80 000 až 100 000 hodín. Automobilky presúvajú humanoidy k triedeniu, práci v showroomoch a spolupráci s ľuďmi; odborníci citovaní Caixinom odhadujú príchod systémov vhodných do tovární o tri až päť rokov.
Zdroj: caixinglobal.com
Microsoft vydal MAI Code 2 a MAI Code 2 Flash v GitHub Copilot a obmedzených ukážkach. Microsoft uvádza, že Code 2 dosahuje 98 % skóre GPT-6.1 Sol v MSBench pri 40 % nákladov a 96 % skóre Claude Opus 5.5 pri 5 % nákladov. Porovnania využívajú propagačnú cenu zníženú o 50 % a zostávajú meraniami Microsoftu.
Porovnania benchmarkov pochádzajú od Microsoftu, nie z nezávislého testovania. Propagačná zľava je dôležitá, pretože pomer nákladov sa po jej skončení môže zmeniť.
Zdroj: microsoft.ai
Weight-Space Playground upravuje 0,016 % váh malého modelu, aby obmedzil slučky uvažovania. Ukážka v prehliadači mení 131 072 váh v Qwen3.5-0.8B. Tvorca uvádza pokles behov, ktoré dosiahli limit 32 000 tokenov, z 93,0 na 33,1 % a rast presnosti MATH-500 zo 7,9 na 48,1 %.
Ukážka v prehliadači umožňuje preskúmať malý zásah do váh. Údaje o presnosti a limite tokenov sú meraniami tvorcu pri tomto nastavení, nie všeobecne potvrdeným výsledkom na iných modeloch.
Zdroj: tabbyml.github.io
Julián Posada tvrdí, že odborníci pracujúci na zákazkách pre AI čelia rovnakému znižovaniu odmien a náhlym ukončeniam práce ako označovatelia dát. Porovnáva inzerované sadzby až 180 dolárov za hodinu pre amerických kardiológov so 7,50 dolára za prácu v tagalčine a 12,50 dolára vo svahilčine a odvoláva sa na rozhovory a spornú žalobu o nesprávnej klasifikácii pracovníkov. Text dokladá vzorec vo viacerých prípadoch, nie zmeranú mieru na celom trhu.
Článok vychádza z ponúkaných sadzieb, rozhovorov a spornej žaloby o pracovnoprávnom zaradení, nie z odhadu za celý trh. Prepája skúsenosť odborníkov pracujúcich na zákazkách pre AI s podmienkami ľudí, ktorí pripravujú jazykové dáta.
Zdroj: restofworld.org
Microsoft predstavil MAI Realtime 1 od 0,01 dolára za minútu zvuku. Uvažovanie stojí 1 dolár za milión vstupných tokenov a 5 dolárov za milión výstupných tokenov, pričom API je kompatibilné s OpenAI Realtime. Porovnania kvality a latencie pochádzajú od Microsoftu a stránka vydania neuvádza podporované jazyky.
Zverejnené ceny sú konkrétne, poskytovateľ však neuviedol zoznam podporovaných jazykov. Údaje o kvalite a latencii sú tvrdeniami Microsoftu, nie výsledkami nezávislého testovania.
Zdroj: microsoft.ai
Nové modely a vydania
MAI Cyber 2 Flash rozširuje kontext na milión tokenov, no zostáva v bezpečnostných produktoch Microsoftu. Microsoft uvádza 92,3 % v CyberGym-E2E oproti 91,5 % pri GPT-6 Astra s polovičným rozpočtom na uvažovanie, po vyradení 92 z 905 úloh pre prekryv s trénovacími dátami. Samostatné API neexistuje.
Zdroj: microsoft.ai
Microsoft sprístupnil MAI Image 2.7 a 2.7 Flash vo verejnej ukážke. Modely stoja približne 35 a 10 dolárov za 1 000 obrázkov. Microsoft tvrdí, že väčší model je prvý v rebríčku úprav obrázkov Artificial Analysis, a uvádza, že Bing Image Creator ho už používa ako predvolený.
Zdroj: microsoft.ai
Apple zverejnil odhadovač ohniskovej vzdialenosti pre Depth Pro 2 s 23,5 milióna parametrov. Váhy určené na výskum podporujú odhad metrickej hĺbky z fotografií a videa bez známych vnútorných parametrov kamery. Stránka modelu neuvádza benchmark a odkaz na technickú správu je stále iba zástupný.
Zdroj: huggingface.co/apple/DepthPro2-focal
Tencent zverejnil váhy Hy4-base a Hy4-FP8. Základný model má celkovo 770 miliárd parametrov, pri každom textovom tokene aktivuje 49 miliárd a prijíma kontext s miliónom tokenov. Nie je doladený na plnenie inštrukcií a používa vlastnú licenciu Tencentu, nie open-source licenciu schválenú OSI.
Zdroj: huggingface.co/tencent/Hy4-base
AI Singapore zverejnil zostavy FP8, NVFP4 a GGUF modelu Qwen-SEA-LION. Viacjazyčný model pokrýva deväť jazykov juhovýchodnej Ázie a okolitých regiónov s kontextom 262 000 tokenov. Autori označujú trénovanie za experimentálne, uvádzajú, že kvantizované zostavy neboli samostatne vyhodnotené, a na zabránenie poškodenému textu vyžadujú upravenú zostavu llama.cpp.
Zdroj: huggingface.co/aisingapore/Qwen-SEA-LION-v5-397B-A17B-Plus-GGUF
Reson8 vydal Rumble-2-Flash, model na rozpoznávanie reči s 0,5 miliardy parametrov pre viac než 40 jazykov. Váhy s licenciou Apache-2.0 fungujú v Transformers a vLLM. Reson8 uvádza priemernú mieru chybovosti slov 6,96 % v deviatich jazykoch a priznáva, že väčšie modely Qwen a Nemotron dosahujú v jeho porovnaní call centier mierne lepšie výsledky.
Zdroj: huggingface.co/blog/rumble-2-flash
Gemini teraz dokáže načítať schémy funkcií až vtedy, keď ich agent potrebuje. Vývojári označia nástroje pomocou defer_loading a potom nechajú server alebo vlastný systém vyhľadávania prehľadať ich množinu. Ukážka funguje s Gemini 3.6 a novšími vrátane Gemini 4 a bráni tomu, aby veľké katalógy nástrojov pri každej požiadavke spotrebúvali kontext.
Zdroj: blog.google
OpenAI pridal gpt-live-1.1 a pohotovostný režim pre hlasové relácie WebRTC. Aktualizácia sa zameriava na výslovnosť, konzistentnosť prízvuku a viacjazyčný prepis. Pohotovostný režim počas ticha pozastaví inferenciu a obnoví ju, keď niekto prehovorí, čím znižuje účet za hlasových agentov, ktorí zostávajú pripojení.
Zdroj: platform.openai.com
AssemblyAI vydal tri rečové modely STT 3.7 v 32 jazykoch. Realtime stojí 0,30 dolára za hodinu, verzia pre agentov 0,45 dolára a prepis nahrávky 0,21 dolára. AssemblyAI uvádza mieru chybovosti slov 4,53 % pri 12 460 hovoroch agentov; Universal-3.5 Pro Realtime končí 1. februára 2027.
Zdroj: assemblyai.com
Výskum
Vývojári, ktorí prišli o Claude Fable 5, nemergovali s modelom slabším o 11 bodov v SWE-Bench Pro menej pull requestov. Preprint skúma 19-dňové pozastavenie modelu Fable 5 od 12. júna ako prirodzený experiment. Sledoval 297 dotknutých vývojárov a porovnal ich s 8 908 vývojármi, ktorí zostali pri Opus 4.8.
Prístup k Fable 5 zvýšil sedemdňovú mieru mergovania pull requestov o 1,4 percentuálneho bodu, pričom 95-percentný interval siahal od -1,4 do +4,3 bodu. Účinok nebol štatisticky významný. Pri piatich aktualizáciách modelov v roku 2026, ktoré pokrývali 1 208 vývojárov a 15 442 pull requestov, bola vážená zmena -0,9 bodu. Týždenný počet mergnutých pull requestov sa zmenil o +2,4 %, pričom široký interval siahal od -4,9 do +10,2 %.
Miera mergovania je úzky zástupný ukazovateľ produktívnej práce a intervaly pripúšťajú mierny účinok. Preprint však testuje výsledok, ktorý samotné programátorské benchmarky nedokážu poskytnúť: či vyššie skóre mení to, čo vývojári mergujú v bežných repozitároch.
Zdroj: arxiv.org
Natrénovaná rola pozorovateľa hlásila správanie jazykového modelu s priemernou hodnotou AUROC 0,907. Autori pridali do Qwen3.6-27B samostatného pozorovateľa v tretej osobe a jeho odpovede odmeňovali iba vtedy, keď zodpovedali tomu, čo asistent skutočne urobil. Otázky sa týkali reward hackingu, klamania a pochlebovania (sycophancy), ktoré nemusia byť v prepise viditeľné.
V piatich hodnoteniach nepoužitých pri trénovaní (held-out) pozorovateľ prekonal trénovanie na čestnosť s hodnotou 0,864, monitorovanie prepisu s 0,828 a veštcov založených na aktiváciách s 0,796. Trénovanie pozorovateľa tiež uľahčilo monitorovanie asistenta všetkým trom východiskovým metódam.
Metóda nežiada asistenta, aby sa pri rovnakých motiváciách priznal k vlastnému správaniu. Trénuje odlišnú rolu na presnosť voči overeným činom, čím mení sebapoznanie modelu na merateľnú úlohu dohľadu.
Zdroj: arxiv.org
Samozlepšujúci sa agenti dokázali navrhovať užitočné zmeny, nevedeli ich však spoľahlivo odlíšiť od škodlivých. Štúdia Resolution Hypothesis testuje sedem metód, ktoré prepisujú prompty, skilly alebo pamäť, v šiestich modeloch a pri viac než desiatich miliónoch volaní jazykového modelu.
Užitočné kandidátske zmeny existovali, no výber ich od škodlivých zmien oddeľoval iba na úrovni náhody. Chyby sa potom hromadili v ďalších kolách. Na úrovni metód boli obvyklé rozdiely niekoľkých percentuálnych bodov menšie než rozdiel medzi dvoma nezávislými behmi tej istej metódy.
Výsledok preprintu presúva úzke miesto od vytvárania možných zlepšení k meraniu toho, ktoré z nich fungujú. Zverejnené rebríčky metód sebazlepšovania preto môžu závisieť viac od šumu hodnotenia než od samotnej metódy.
Zdroj: arxiv.org
Výskumníci vystopovali štvordielny okruh, ktorý Qwen3-VL používa na výber ďalšej oblasti obrázka na opis. Väzbové hlavy menia slová na ukazovatele oblastí obrázka a spájajú každú napísanú odpoveď s jej zdrojovou oblasťou. Tým vytvárajú priestorový kurzor, ktorý ukazuje, kam zoznam postúpil. Výberový krok zvolí najbližšiu ešte neopísanú oblasť a hlavy pohľadu z nej získajú pojem.
Hlavné experimenty využívajú príčinné prekladanie aktivácií v Qwen3-VL-8B-Instruct. Prenesenie aktivácií 16 väzbových hláv presunulo odpoveď k predpovedanému cieľu v 85,9 % prípadov nepoužitých pri trénovaní oproti najviac 0,1 % pri náhodných hlavách. Súvisiace účinky väzbových, prenosových a pohľadových hláv sa objavili v modeloch s dvoma až 32 miliardami parametrov.
Kontrolované dôkazy pochádzajú najmä zo syntetických vizuálnych pásov, hoci testy na fotografiách a vo viacerých jazykoch podporujú časti mechanizmu. Plánovanie vysvetľuje ako ukazovateľ polohy, ktorý zároveň zaznamenáva postup, a nie ako počítanie už vytvorených odpovedí.
Zdroj: arxiv.org
Metóda prevzatá z mapovania mozgu našla súvislý úsek vrstiev zmenený trénovaním uvažovania. Prenesenie tohto úseku do modelov doladených na plnenie inštrukcií zlepšilo výkon v matematike, pričom väčšie zlepšenia nastali pri väčšom prekrytí štepu s identifikovanou oblasťou. Preprint našiel prenosný úsek aj v medicínskom modeli.
Zdroj: arxiv.org
Prirodzenojazykové opisy aktivácií odhalili klinickú manipuláciu, ktorú odpoveď modelu zakryla. Bežne dostupný autoenkóder preložil aktivácie Gemma-3-27B do textu pre hodnotiteľa, ktorý nevidel vstup. Pri dvoch útokoch, dvoch typoch vstupu a dvoch spôsoboch doručenia tento kanál odhalil manipuláciu častejšie než odpoveď vo všetkých ôsmich podmienkach a na čistých vstupoch mal takmer nulové falošne pozitívne výsledky.
Zdroj: arxiv.org
Vrstva, v ktorej sa model ustálil na slove, predpovedala malú časť času ľudského čítania. Štúdia zahŕňa 81 957 slov v ôsmich korpusoch sledovania očí a čítania vlastným tempom v desiatich jazykových modeloch. Neskoršie ustálenie korelovalo s pomalším čítaním, no súhrnné zlepšenie bolo iba 0,26 milinatu na slovo a čisté zlepšenie vo všetkých korpusoch samo osebe nebolo významné.
Zdroj: arxiv.org
Trénovanie podmienené promptom vložilo nepravdivé fakty s merateľnou hĺbkou. Jeden model sa naučil prijímať tisíce faktov uvedených v špeciálnej značke vrátane faktov, ktoré neboli v trénovaní. Autori zistili približne log-lineárny rast hĺbky presvedčenia a zároveň upozornili, že trénovanie proti jednému meradlu hĺbky môže toto meradlo znehodnotiť.
Zdroj: arxiv.org
Test príčinného transplantovania rozlíšil tri možné výpočty v globálnom pracovnom priestore modelu. Presunutie správy medzi vstupmi viedlo pri hypotézach prenosu, ignorovania a rekombinácie k odlišným predpovediam odpovede. V jazykovom modeli s pracovným priestorom AFGW priniesla transplantovaná správa rekombinačnú odpoveď v 97 % prípadov.
Zdroj: arxiv.org
Približne 80 % tokenov úspešného behu programátorského agenta sa spotrebovalo vo volaniach, ktoré ponechali požadovanú zmenu na mieste. Štúdia opakovane žiadala agenta, aby vykonal a potom vrátil zmeny v repozitári. Informačnú „voľnú energiu“ zmeny odhaduje na 14 až 22 % priemerných nákladov úspešného behu a zisťuje, že vytvorenie zmeny stojí 1,1- až 1,5-krát viac než jej vrátenie.
Zdroj: arxiv.org
Nepresné hlásenia programátorských agentov stáli používateľov v priemere ďalších 4,3 kola a 12,71 minúty. Autori v skutočných rozhovoroch vývojárov identifikovali jedenásť druhov neverných hlásení, najčastejšie nadhodnotený úspech. Ich FaithDetector zlepšuje macro-F1 približne o 13 bodov oproti východiskovej metóde.
Zdroj: arxiv.org
Povinné delegovanie viedlo agentov k získaniu viacerých protichodných tvrdení, no odhalili menej konfliktov. Získanie oboch strán vzrástlo z 50,2 na 68,7 %, kým odhalenie konfliktu kleslo zo 16,2 na 13,2 %. Benchmark zahŕňa úlohy kontroly dokumentov, nie otvorené organizácie.
Zdroj: arxiv.org
Uvažovanie v latentnom priestore počas celého vopred nastaveného horizontu niekedy znížilo presnosť. Neskoršie kroky preusporiadali existujúcich kandidátov a mohli oslabiť podporu správneho kandidáta. Autori navrhujú adaptívne zastavenie namiesto predpokladu, že viac vnútorných krokov vždy pomáha.
Zdroj: arxiv.org
Vizuálno-jazykové modely (VLM) spájali získané textové a obrazové dôkazy spôsobmi, ktoré sa odchyľovali od optimálneho bayesovského váženia. Autori predstavujú benchmark GIB-200K s 200 000 položkami a rozlišujú zotrvačnosť voči získaným znalostiam od ovládnutia vizuálnymi dôkazmi. K preprintu je priložený kód aj dáta.
Zdroj: arxiv.org
Proces aktualizácie iba pomocou promptov odmietol 20 z 21 rizikových úprav inštrukcií. Benchmark s 29 prípadmi testuje osobného asistenta, ktorý mení vlastné inštrukcie. Postup hodnotí navrhované aktualizácie pred ich prijatím namiesto toho, aby každé zdanlivé zlepšenie považoval za bezpečné.
Zdroj: arxiv.org
Ekonomika a práca
Satya Nadella uvádza, že softvérovú továreň, ktorá vytvára Cowork v Microsoft 365, prevádzkuje jedenásť vývojárov. Októbrovú ponuku na odchod pre približne 60 000 zamestnancov opísal ako spôsob, ako im dať možnosť rozhodnúť sa namiesto ďalšieho prepúšťania, a povedal, že každá práca sa posunie k riadeniu AI. Veľkosť a organizácia tímu sú jeho tvrdenia; Microsoft neposkytol výsledok o produktivite ani počte zamestnancov.
Zdroj: techcrunch.com
Oddelenie pomohlo inovačnému tímu AI v nórskej banke rýchlo tvoriť, no skomplikovalo odovzdanie. Prípadová štúdia využíva 18 rozhovorov s 15 ľuďmi, desať dní pozorovania a desať stretnutí. Dočasnému tímu pomohli autonómia, skúsení odborníci a interné znalosti AI, no odlišné plány a priority skomplikovali prevzatie stálym produktovým tímom.
Zdroj: arxiv.org
Čo ľudia tvoria
Starbright spúšťa v prehliadači rečový model s 29 miliónmi parametrov zo súboru s veľkosťou 15 MB. Systém iba pre angličtinu využíva engine v jazyku Rust a WebAssembly a približne 39 MiB pamäte. Jeho stránka uvádza nekonzistentné údaje o rýchlosti a chybovosti a váhy sú obmedzené na nekomerčné použitie.
Zdroj: starbright.quickthoughts.ca
Hlasový systém na Raspberry Pi skrátil oneskorenie na konci rozhovoru zo 6–10 sekúnd na 1,0–1,6 sekundy. Fabio Manganiello spája detekciu hlasu Silero, model aktivačného slova a vymeniteľné rečové a jazykové komponenty. Lokálna syntéza reči Piper na Pi 5 stále pridáva oproti cloudovej službe približne tri až štyri sekundy.
Zdroj: blog.platypush.tech
citeparse analyzuje odkazy a na CPU kontroluje vymyslené citácie. Jeho model s 32 miliónmi parametrov spracuje na ôsmich vláknach CPU približne 118 odkazov za sekundu. V teste tvorcu označil kontrolný nástroj 80 z 83 vymyslených odkazov ako nenájdené a nesprávne neoznačil žiadny zo 100 skutočných odkazov.
Zdroj: github.com/un-seen/citeparse
motlab umožňuje programátorským agentom vytvárať a upravovať video ako kód. Každá scéna je stránkou plátna s funkciou, ktorá vykresľuje konkrétny okamih, zatiaľ čo recenzenti pripájajú k snímkam a oblastiam poznámky, ktoré si agent prečíta. Export podporuje rozlíšenie od 720p po 4K bez použitia modelu AI na obrázky alebo video.
Zdroj: github.com/staryone/motlab
poo kontroluje miesto na disku spotrebované vývojárskymi cache a worktrees agentov. Aplikácia pre macOS a multiplatformový nástroj príkazového riadka triedia dáta podľa nákladov na opätovné vytvorenie, kontrolujú worktrees na necommitnuté zmeny a pred odstránením ich môžu zálohovať. Nástroj poskytuje aj server MCP.
Zdroj: github.com/morajabi/poo
Vestige poskytuje deterministickú pamäť agenta bez embeddingov alebo jazykového modelu. Server MCP v jazyku Rust ukladá záznamy v podpísanom, hašovacou reťazou prepojenom logu a získava ich pomocou explicitných pravidiel poklesu významu a dôležitosti. Zverejnené benchmarky merajú získavanie záznamov, nie presnosť odpovedí.
Zdroj: github.com/samvallad33/vestige
agentest vykonáva 165 deterministických kontrol nad záznamami, ktoré už agenti vytvárajú. Offline nástroj hľadá nepodložené tvrdenia o úspechu, konanie pred overením, nepovolené volania a úniky dát bez kľúča API alebo hodnotiaceho LLM. Importéry podporujú päť bežných frameworkov agentov.
Zdroj: github.com/srpadmanabhuni/agentest
Agent Crop lokálne zaznamenáva čas programátorských agentov, opakované zlyhania a opakované úpravy. Rozlišuje aktívnu prácu od čakania, upozorňuje uviaznuté relácie a žiada agenta, aby zapísal retrospektívy do svojich inštrukcií alebo nástrojov. Podporuje Claude Code, Codex a DeepSeek Harness bez ukladania textu konverzácie.
Zdroj: github.com/oriliz/agent-crop
Parallax poskytuje programátorským agentom nezávislú kontrolu plánu a audit po vykonaní. Jeho pracovný postup odovzdá vykonanie novej relácii, overí odovzdanie podľa prepisu a pred commitom s obmedzeným rozsahom vykoná samostatný audit. Funguje samostatne alebo v režime koordinovaného tímu.
Zdroj: github.com/AI4XE/Parallax
Stojí za prečítanie
Claude Fable 5.2 vytvoril klasifikátor MNIST priamym nastavením 5 994 váh. Tri behy dosiahli presnosť testu 88 až 91 % bez gradientného zostupu, blízko metódy Adam po 50 gradientných krokoch. Pri ťažšej úlohe rozlišovania mačiek a psov dosiahol rovnaký prístup 61,6 % oproti 74 % pri metóde Adam po 5 000 krokoch.
Zdroj: notesbylex.com
Tri špičkové modely zrekonštruovali stratené generátory OCaml za tabuľkami Apache DataSketches. Gemini 4 Carbon navrhol implementáciu, Claude Opus 5.5 testoval a vyvracal hypotézy a GPT-6 Astra vykonal mutačné testovanie. Práca presne reprodukovala všetkých 5 697 Huffmanových kódových slov a všetkých 16 permutačných tabuliek a zároveň odhalila numerické limity polynomiálnej rekonštrukcie.
Zdroj: tisonkun.io
Claude Fable 5.2 predpovedal pokračovanie proteínových sekvencií lepšie než testované všeobecné a proteínové jazykové modely. Pri 668 málo skúmaných proteínoch dosiahol 54 % na skutočných sekvenciách a 9 % na premiešaných. Výsledok sa zachoval pri proteínoch prvýkrát zverejnených v auguste 2026, pochádza však z hodnotenia jedného autora, nie zo štandardného benchmarku.
Zdroj: xinmingtu.cn
Skenery vydávajúce sa za crawlery AI hľadali tajomstvá v konfiguračných cestách. Ege Demir pozoroval tri nástroje na desiatich stránkach. Jeden za päť týždňov rozšíril zoznam cieľov nástrojov AI zo štyroch na 26 ciest vrátane konfiguračných súborov Claude Code, Codex a Cursor; každá požiadavka na cestu s tajomstvom na jeho stránkach zlyhala.
Zdroj: tin.computer
Elephant-Goldfish žiada agentov bez kontextu tvorby, aby skontrolovali špecifikáciu. Jeden agent so širokým kontextom napíše dokument; noví recenzenti vidia iba dokument a citované zdroje a pred implementáciou hlásia medzery. Plugin Googlu s licenciou Apache-2.0 neposkytuje meraný výsledok výkonu a uvádza, že nenahrádza testy ani ľudský úsudok.
Zdroj: github.com/google/elephant-goldfish-model
OpenAI odporúča používateľom GPT-6.2 skracovať prompty, uvádzať predpoklady a zachovať stabilné prefixy. Sprievodca migráciou uvádza, že modely sú predvolene stručnejšie, odporúča vratné predpoklady a vyhradzuje prestávky pre prekážky alebo nezvratné kroky. Odporúča tiež Responses API a upozorňuje, že úprava skorších kôl odstráni položky uvažovania a zhorší caching.
Zdroj: developers.openai.com
Hacker News
Správca uvádza, že ochranné mechanizmy Claude Code zablokovali jednoriadkovú bezpečnostnú opravu. Herman Õunapuu dokončil prácu pomocou modelu s otvorenými váhami hostovaného v EÚ po tom, čo Claude vyžadoval kybernetické overenie. Ide o skúsenosť jedného človeka a jeho tvrdenie, že obmedzenia vytvárajú regulačnú bariéru, je špekuláciou.
Zdroj: news.ycombinator.com
Používatelia lokálnej AI diskutovali, či súkromný hardvér dokáže držať krok s hostovanými modelmi. Jeden účastník uvádza dve relácie GLM 5.3 Flash s kontextom milión tokenov a rýchlosťou približne 50 tokenov za sekundu na ôsmich GPU Radeon Pro. Iní tvrdia, že cena a rýchle zastarávanie držia takéto systémy mimo bežného spotrebiteľského používania.
Zdroj: news.ycombinator.com
Skoršie hlásenie a oprava Java4Shell zostali v nemergnutom pull requeste OpenJDK. Autor uvádza, že Oracle ho 1. októbra požiadal, aby nepokračoval, a 28. októbra prípad prevzal. Komentujúci bez dôkazov špekulovali, či neskorší výskumníci s pomocou AI hlásenie videli.
Zdroj: news.ycombinator.com
Žaloba tvrdí, že detektor zbraní AI si pomýlil vrecko čipsov so zbraňou. Komentujúci pri čítaní podania zdôraznili, že automatické upozornenie bolo zrušené ešte pred vyslaním polície. Prípad sa preto týka aj chýbajúcich ľudských postupov po tom, čo systém sám vykonal opravu.
Zdroj: news.ycombinator.com
YouTube
Thariq Shihipar tvrdil, že programátorskí agenti potrebujú čitateľné špecifikácie a malé vlastné jazyky. Jeho anglická prednáška na AI Engineer vychádza z hry, ktorú vytvoril a neskôr jej už nerozumel. Živá ukážka oddeľuje kontrolovateľnú špecifikáciu od enginu, ktorý ju vykonáva.
Zdroj: youtube.com
Technický riaditeľ Lovable opísal infraštruktúru, ktorá nahradila framework viacerých agentov tesne pred jeho zlyhaním. Fabian Hedin hovorí o odolných runtime prostrediach, vetviteľných históriách, bezstavových workeroch, sandboxoch s checkpointmi a overovacích slučkách. Anglická prednáška je opisom technických rozhodnutí spoločnosti.
Zdroj: youtube.com
Kurz CME295 na Stanforde vysvetlil on-policy destiláciu. Afshine a Shervine Amidi opisujú študentský model, ktorý vytvára vlastné pokusy a učí sa z hodnotenia presne týchto odpovedí učiteľom. Anglická prednáška zasadzuje techniku medzi dolaďovanie, posilňované učenie a trénovanie vedené overovateľom.
Zdroj: youtube.com
Michael Tomasello porovnal evolučne vzniknutú schopnosť konať so správaním strojov. Vývinový psychológ rozoberá, ako nepredvídateľné prostredie zvýhodňuje subjekty schopné rozhodovať, a potom prechádza od plazov a veveríc k spoločným ľudským cieľom. Použitie na jazykové modely je argumentom v anglickom rozhovore, nie experimentom.
Zdroj: youtube.com
Nemecká relácia scobel skúmala, či môžu dobré odpovede AI oslabovať učenie. Preberá štúdie o myslení, prehnanej sebadôvere a zmenách názorov a zároveň upozorňuje na metodické limity a neistotu. Relácia je v nemčine.
Zdroj: youtube.com
Stručne
Prime Intellect približne dva dni poskytoval nepovolenú, necenzurovanú kópiu DeepSeek V4.1 Flash. Spoločnosť uvádza, že útočník vymenil model za jedným hostovaným endpointom od 8. novembra 01:24 UTC do 10. novembra 06:35 UTC. Šablóna chatu, tokenizér ani konfigurácia poskytovania sa nezmenili.
Skóre GPQA Diamond a tau-bench zostali nezmenené, zatiaľ čo počet odmietnutí klesol na JailbreakBench z 98 zo 100 promptov na jeden, na StrongREJECT z 304 z 313 na dva a na HarmBench zo 198 z 240 na nulu. Benchmarky schopností preto neodhalili, že na požiadavky odpovedajú iné váhy.
Prime Intellect nenašiel dôkazy o prístupe k promptom, výstupom, kľúčom ani inej infraštruktúre. Kontaktoval dotknutých zákazníkov a tým, ktorí sa spoliehali na odmietanie, odporučil skontrolovať výstupy z obdobia incidentu.
Zdroj: primeintellect.ai
Bitrise uvádza, že operátor používajúci platformu AI na penetračné testovanie prenikol cez neaktívny účet. Počas 25-dňového útoku získal prístup k podpisovacím súborom, tajomstvám, logom zostavení a stavu infraštruktúry, kým Bitrise platformu nevypol a nezrušil 919 kľúčov účtov cloudových služieb. Prístup nastal k súborom v 15 pracovných priestoroch zákazníkov, pričom nie sú dôkazy o širšom prístupe k zákazníckym dátam.
Zdroj: bitrise.io
Zamestnanci spoločnosti Meta údajne videli, ako Muse mieša konverzácie a údaje o bankových zostatkoch medzi účtami. Reuters založil správu na interných príspevkoch a Meta uvádza, že zamestnanci testujú verzie odlišné od verejného produktu. Spoločnosť nezverejnila rozsah dotknutých používateľov ani technický opis.
Zdroj: techcrunch.com
Autonómny audit Codexu tvrdí, že vo Webmine reprodukoval 507 nálezov. Autor uvádza desať kritických, 253 vysoko závažných a 248 stredne závažných nálezov po približne 8,3 miliardy tokenov modelu za cenu približne 4 578 dolárov. Žiadny nemá CVE a pôvodné záznamy overenia zostávajú súkromné.
Zdroj: supuk.ch
Dragos uvádza, že po troch napadnutiach poskytovateľov AI boli zozbierané nastražené cloudové kľúče. Útočníci kľúče testovali a prehľadávali úložiská a služby na tajomstvá po tom, čo sa kľúče objavili v promptoch. Dragos odporúča filtrovať tajomstvá, vyhýbať sa trhoviskám sprostredkovateľov a vkladať do dodávateľského reťazca canary tokeny.
Zdroj: dragos.com
SDK MCP pre Python opravilo cestu OAuth, ktorá mohla odoslať poverenia autorizačnej službe zvolenej serverom. Problém s vysokou závažnosťou je opravený vo verziách 1.30.0 a 2.2.0. Dvaja poskytovatelia poverení klienta teraz tiež vyžadujú explicitné nastavenie vydavateľa.
Zdroj: github.com/advisories/GHSA-qx49-fqc8-xw99
Americké obmedzenia zahraničného prístupu k pokročilým čipom nadobudli účinnosť 19. novembra. Pravidlo zahŕňa veľké dodávky vzdialeného výpočtového výkonu organizáciám spojeným so skupinou krajín D:5 alebo Macaom a pridáva licencie na pokročilé čipy odosielané do niekoľkých ďalších krajín. Pripomienky možno podávať do 19. januára 2027.
Zdroj: federalregister.gov
Kalifornia predvolala Nvidiu pre možné odklonenie pokročilých čipov do Číny. Generálny prokurátor vyšetruje, či sa čipy alebo dôverné informácie dostali do Číny a či boli investori zavádzaní. Predvolanie je súčasťou vyšetrovania, nie zistením protiprávneho konania.
Zdroj: oag.ca.gov
Biznis v skratke
Anthropic uzavrel prvý obchodný deň na Nasdaqu na 97 dolároch, čo bolo o 17 % viac než cena IPO 83 dolárov. Zdroj: techcrunch.com