OpenAI telah meluncurkan ChatGPT untuk Layanan Keuangan, sebuah pengalaman yang disesuaikan menggabungkan penalaran GPT-6 Astra dengan data keuangan premium bawaan untuk membantu tim dalam penelitian, pemodelan, dan pembuatan materi klien. Produk ini dikembangkan bersama Morgan Stanley dan Evercore untuk mengatasi tantangan utama dalam perbankan investasi dan riset ekuitas.
V7 telah mengintegrasikan GPT-6 Astra dari OpenAI ke dalam platform V7 Go-nya untuk memberikan "memori institusional" yang persisten kepada agen AI melalui Context Graph, secara signifikan meningkatkan akurasi pengambilan pada kueri perusahaan yang kompleks.
Sistem PBB meluncurkan UN System Data Commons, sebuah platform sumber terbuka yang dibangun di atas Google's Data Commons yang menyatukan statistik global menjadi satu sumber daya terhubung yang dikenal sebagai grafik pengetahuan siap AI. Didukung oleh Google.org, proyek ini bertujuan untuk membuat data kritis dapat diakses secara universal dan membantu melacak kemajuan global secara real-time.
OpenAI telah memperkenalkan integrasi baru yang memungkinkan organisasi kesehatan menghubungkan konteks pasien yang diotorisasi dari rekam medis elektronik Epic ke ChatGPT for Healthcare, bersama dengan plugin Data Publik Kesehatan yang menyediakan akses terstruktur ke kumpulan data resmi.
Llama Index merilis versi 0.14.25 pada 21 September 2026, terutama untuk mengatasi kerentanan keamanan yang luas di seluruh ekosistemnya.
Cohere telah merilis Embed 5, keluarga baru model embedding terdepan yang tersedia dalam tier Pro dan Fast di Cohere API, Microsoft Foundry, dan Amazon SageMaker. Kedua tier berbagi ruang embedding tunggal, memungkinkan tim melakukan indeks dengan Pro untuk kualitas maksimal dan kueri dengan Fast untuk latensi dan biaya lebih rendah tanpa membangun ulang indeks.
Perplexity telah merilis Photon, mesin pengambilan dan pemeringkatan berbasis Rust dalam rumah yang kini menangani semua lalu lintas produksi, menggantikan komponen sumber terbuka yang sebelumnya di-fork. Sistem baru ini mengaktifkan mode "Pencarian Cepat" di Perplexity Search API, menawarkan latensi yang jauh lebih rendah untuk alur kerja agentic.
ProvenanceGuard adalah lapisan verifikasi pasca-pembuatan untuk agen Model Context Protocol (MCP) yang mendeteksi penggabungan lintas-sumber dengan memastikan klaim dikaitkan ke sumber bukti yang benar. Sistem ini menganalisis jejak MCP yang ditangkap tanpa melatih ulang agen, memecah jawaban menjadi klaim dan memverifikasi bahwa sumber pendukung cocok dengan yang dinamakan atau tersirat dalam output.
Para penulis memperkenalkan RareDx, sebuah sistem yang menggabungkan penggunaan bukti terkontrol dengan optimasi kebijakan berbasis grafik pengetahuan untuk mengatasi masalah penalaran long-tail dalam diagnosis penyakit langka. Pipeline pelatihan menggabungkan Top-10 pasca-pelatihan dengan RareDx-KGPO, yang memproyeksikan prediksi ke dalam grafik penyakit kanonik dan mengintegrasikan relevansi bertingkat yang dikurasi, kedekatan ontologi, kesamaan biomedis, dan konsistensi fenotipe.
Penulis buku besar terdesentralisasi "Covenant" melaporkan bahwa Grok di X secara mandiri membandingkan proyek mereka dengan karya Robert "Grizzly" Hanson, meskipun tidak ada permintaan atau penyebutan sebelumnya. Ini menandai kejadian ketiga kalinya sebuah sistem AI menghubungkan Covenant dengan karya eksternal tanpa diminta.
Para peneliti mengusulkan Highlight-Then-Summarize (H2S), sebuah paradigma kompresi-terus-alasan yang mengidentifikasi bukti relevan dengan pertanyaan dan mengintegrasikannya ke dalam ringkasan kompak sebelum menghasilkan jawaban. Tim membangun H2S-Dataset dengan 6.647 contoh dan memperkenalkan H2S-RL untuk memberikan imbalan tingkat proses untuk pemilihan bukti.
Para peneliti mengusulkan Highlight-Then-Summarize (H2S), sebuah paradigma kompresi-terus-alasan yang mengidentifikasi bukti relevan dengan pertanyaan dan mengintegrasikannya ke dalam ringkasan kompak sebelum menghasilkan jawaban. Untuk mendukung pendekatan ini, tim membangun H2S-Dataset dengan 6.647 contoh dari 11 keluarga benchmark dan memperkenalkan H2S-RL untuk imbalan tingkat proses.
Para peneliti mengidentifikasi "polusi dokumen usang," sebuah kegagalan penyelarasan temporal dalam Retrieval-Augmented Generation (RAG) di mana bukti eksternal yang kedaluwarsa menyebabkan model memberikan jawaban yang salah meskipun mengetahui respons yang benar tanpa pengambilan informasi.
Tencent memperkenalkan KuaFu, lapisan kompresi perilaku terpadu yang memadatkan riwayat pengguna mentah menjadi representasi kompak untuk agen percakapan dan sistem rekomendasi. Sistem ini menggunakan proyektor dua sumbu untuk mengompresi setiap item perilaku menjadi 2-4 token dengan lebar 128-256, mengatasi hambatan dalam memproses urutan panjang untuk satu miliar pengguna.
Sebuah proyek open-source baru bernama Biological JEJA menggabungkan pembelajaran representasi gaya JEPA dengan kendala biologis untuk memodelkan bagaimana penyakit berkembang seiring waktu. Pendekatan ini diuji pada data ADNI nyata dari 2.347 pasien dan dibandingkan dengan beberapa model lainnya.
Peneliti mengusulkan R3Con, sebuah harness yang mengoperasionalkan prinsip-prinsip teori kognitif untuk membangun representasi efektif dari konteks yang sangat besar. Sistem ini mengatasi tantangan merakit informasi saling bergantung yang tersebar di sumber-sumber luas melampaui batas konteks model standar.
Together AI telah merilis panduan dan repositori open-source untuk melakukan fine-tuning model klasifikasi yang mirip dengan Jev, menggunakan model dasar Qwen3.5 4B.
YUCLAW 8.0.0 memperkenalkan mode snapshot eksplisit untuk memastikan bahwa demonstrasi antarmuka baris perintah menghasilkan output yang identik dan dapat direproduksi terlepas dari konektivitas jaringan lingkungan host.
Penulis telah mengembangkan proyek Rust bernama SelMem untuk bereksperimen dengan memori yang tidak sempurna dan bergantung pada jalur untuk model bahasa besar. Pendekatan ini meniru memori manusia dengan memungkinkan agen mengompresi, melupakan, dan membangun kembali memori seiring waktu daripada menyimpan salinan sempurna dari interaksi.
Uji stres GPU menggunakan Qwen2.5-7B-Instruct beku 4-bit pada pertanyaan jembatan HotpotQA menunjukkan bahwa rute semantik yang sadar tugas secara signifikan meningkatkan efisiensi dan akurasi di bawah kondisi pengganggu tinggi. Studi ini membandingkan konteks penuh yang dibatasi dengan selektor semantik yang sadar kueri, yang mempertahankan 60% dari anggaran, mengungkapkan peningkatan substansial dalam kecepatan dan presisi.