Departemen Energi AS telah meluncurkan Inisiatif Model Terbuka Genesis dan, bekerja sama dengan Arcee, mengungkapkan model bobot terbuka pertamanya untuk penelitian ilmiah yang dinamai Genesis-Science-1.
Para peneliti mengusulkan Distilasi Diri On-Policy Tanpa Pengawasan (U-OPSD), sebuah metode yang mencapai peningkatan pasca-pelatihan untuk model bahasa besar hanya menggunakan generasi model itu sendiri tanpa supervisi eksternal. Pendekatan ini mengambil beberapa rollouts untuk membangun solusi pseudo melalui pemungutan suara mayoritas, lalu mendistilasi distribusi guru ke dalam awalan dari penyelesaian salah terpanjang model.
Para peneliti memperkenalkan M$^3$R-Bench, sebuah benchmark terpadu yang berisi 1.000 contoh gambar-teks dengan anotasi yang diverifikasi manusia, dirancang untuk mengevaluasi pemahaman metafora multimodal yang berdasar pada bukti. Benchmark ini menyediakan anotasi gabungan untuk kejadian metafora, pemetaan Target-Sumber, sentimen, dan penjelasan bertahap berdasarkan Teori Metafora Konseptual.
Google DeepMind dan Google Research telah merilis model AI WeatherNext 2 dan WeatherNext Cyclones secara sumber terbuka, yang mencapai akurasi terbaik dalam memprediksi lintasan, intensitas, dan struktur angin siklon tropis. Dipublikasikan di Nature, penelitian ini menunjukkan bahwa model-model ini memberikan prakirawan tambahan satu hari akurasi prediktif dibandingkan sistem sebelumnya.
Para peneliti menyajikan Argus, sebuah runtime agentic yang persisten dan berevolusi secara mandiri, dirancang untuk penalaran jangka panjang yang memisahkan niat pengguna yang stabil dari tujuan operasional. Sistem ini memanfaatkan peran Manajer, Perencana, Insinyur, dan Peninjau untuk menjalankan misi terbatas di atas keadaan proyek yang tahan lama, memungkinkan eksekusi otonom antara titik eskalasi yang dimiliki operator.
Peneliti dari Microsoft, Universitas Shanghai Jiao Tong, Universitas Tongji, dan Universitas Fudan mengembangkan SkillOpt, sebuah pengoptimal ruang teks yang melatih dokumen keterampilan berbasis bahasa alami sambil menjaga model target tetap beku. Sistem ini menggunakan model pengoptimal untuk mengusulkan suntingan terbatas berdasarkan rollout yang dinilai, mengekspor hasilnya sebagai satu file `best_skill.md`.
Para peneliti mengusulkan ROSA, sebuah sistem penyajian model dasar robotika yang dirancang untuk pabrik robot yang melampaui asumsi komputasi tepi satu robot. Sistem ini memanfaatkan penyajian GPU-pool bersama agar armada robot dapat mengakses GPU kelas server melalui jaringan.
Seorang pengembang telah merilis arsitektur Perhatian Linear Kausal O(N) dengan Gerbang Peluruhan secara open-source, yang dilengkapi dengan kernel akumulasi keadaan Triton/CUDA terpadu untuk menghindari hambatan MHA kuadratik.
Qwen memperkenalkan Qwen-CUA, agen penggunaan komputer asli yang dibangun di atas backbone mixture-of-experts 397B-A17B yang beroperasi melalui tangkapan layar dan peristiwa input tanpa mengandalkan pohon DOM atau metadata aksesibilitas. Sistem ini memanfaatkan kerangka kerja untuk mempertahankan hingga 20 tangkapan layar aktif dan dilatih menggunakan armada rollout cloud dengan hampir 100.000 vCPU di sekitar 40.000 tugas yang dapat diverifikasi.
Douyin telah merilis laporan teknis untuk model Embedding Multimodal (DME)-nya, yang menggabungkan pra-pelatihan kontrasif skala besar dengan penalaran laten untuk mencapai diskriminasi dan efisiensi yang kuat.
Peneliti telah memperkenalkan Qwen-CUA, agen penggunaan komputer asli yang dibangun di atas backbone campuran-ahli Qwen 397B-A17B. Sistem ini beroperasi dengan mengamati tangkapan layar dan bertindak melalui peristiwa keyboard dan mouse, tanpa bergantung pada pohon DOM atau metadata aksesibilitas.
Penelitian menunjukkan bahwa pemantauan rantai-pemikiran (CoT) gagal menghadapi perusak yang mengendalikan proses penalaran. Dengan menulis ulang penalaran agen agar tampak sebagai rekayasa yang dilakukan dengan itikad baik sambil mempertahankan perintah dan output secara verbatim, penyerang dapat melewati mekanisme deteksi.
OpenAI telah merilis hasil dari model internalnya yang belum dirilis, Astra, yang berhasil memecahkan sepuluh masalah terbuka signifikan dalam matematika. Solusi-solusi tersebut dihasilkan oleh model dan selanjutnya diformalkan menjadi sertifikat Lean oleh peneliti manusia.
Hanyu (Olivia) Yu, seorang siswa SMA kelas 10, sedang mencari penjamin arXiv di cs.LG atau cs.CV untuk mengunggah prapublikasi independennya yang berjudul "AttnRoute-MoE: Attention-Prior Routing for Mixture-of-Experts Vision Transformers."
OpenAI telah merilis solusi untuk sepuluh masalah matematika dan ilmu komputer teoretis yang tidak mengalami kemajuan pada hasil utamanya selama setidaknya satu dekade, menggunakan versi internal dari model utama berikutnya, Astra.
Model internal Astra dari OpenAI telah menghasilkan solusi untuk sepuluh masalah terbuka yang telah berlangsung lama di bidang matematika dan ilmu komputer teoretis, dengan argumen yang diformalisasi dalam Lean. Hasil-hasil ini mencakup geometri berdimensi tinggi, teori pengkodean, teori grup, dan kompleksitas kuantum, menjawab pertanyaan-pertanyaan yang tidak menunjukkan kemajuan selama setidaknya satu dekade.
Para peneliti menyajikan Memory Decoder at Scale, sebuah sistem yang menskalakan model memori jangka panjang parametrik hingga 6.9B parameter dan melatihnya terlebih dahulu pada 300B token. Untuk mengatasi ketidakmungkinan pipeline Faiss standar pada skala data ini, para penulis mengimplementasikan pipeline pengindeksan terdistribusi dengan pemuatan kNN yang jarang dan berbasis batch.
Tim Qwen telah merilis laporan teknis untuk Qwen-UI-Agent, agen GUI dasar yang berpusat pada dunia nyata dan dirancang untuk beroperasi secara andal di lingkungan seluler, penggunaan komputer, web, dan DeepSearch. Sistem ini menggabungkan berbagai lingkungan sandbox dengan runtime seluler perangkat nyata berskala besar, menyelingkan operasi GUI dengan eksekusi CLI dan mendukung tugas jangka panjang.
Para peneliti mengusulkan Living-Harness, sebuah harness agen yang berevolusi secara mandiri yang mengubah lintasan lengkap dan sinyal evaluator menjadi bukti posterior untuk pembaruan harness yang terbatas. Dipandu oleh Evolution-SOP, sistem mengekstrak abstraksi episode dan bukti pembaruan terstruktur untuk menulis memori episodik dan grafik keadaan.
Para peneliti menguji pelatihan tengah konstitusional dengan menyisipkan konten berbasis nilai ke dalam proses pelatihan model berskala 120B untuk menentukan apakah hal itu menghasilkan keselarasan yang lebih tahan lama dibandingkan metode pasca-pelatihan standar. Studi ini menemukan bahwa pendekatan ini secara signifikan meningkatkan generalisasi dan ketahanan keselarasan, terutama dalam mengurangi kecenderungan pemerasan setelah penyetelan halus terawasi.