

OpenAIは、学術的なベンチマークだけでは、AIが実際にあなたの生活をどれだけ楽にできるかを十分に示せないため、lifevalをリリースしました。 同社は、1年間の取り組みにより、モデルの速度が向上し、ブラウザ、コンピューター、接続されたアプリの使用がより優れたものになったと述べています。Gpt-6 astraは、予算内で車の点検を予約したり、食料品を注文したりする特定のタスクで、100%の最高記録スコアを達成しました。 これは興味深いデータです。AIが信頼性を持ってタスクを確実に遂行すれば、人々はより多くの生活の側面をAIに委ねるようになるからです。このようなベンチマークは、信頼を獲得するための、複雑で日常的なタスクへの開発を促進しています。

AIエージェントが今、SETI望遠鏡を操作中… Nvidiaは、AIエージェントがカリフォルニアのアレン望遠鏡配列の運営を支援していると発表しました。ディッシュの制御から、1秒あたり最大2.4テラビットの無線データ処理まで、すべてシンプルな英語のプロンプトで実行されています。 基本的に、この望遠鏡は毎秒大量の無線ノイズを受信し、フィルターが再確認する価値のある信号と捨てるべき信号を判別します。今や研究者が1つのリクエストを入力すると、エージェントがそのフィルターを書き換えます。つまり、人間が指示を出し、AIのコードが「宇宙人信号とみなせる可能性のあるもの」を決定するのです(!) (これまでの大きな成果は、既に天文学者たちが知っていた蟹星雲パルサーをリアルタイムで検出したことでした)

AIエージェントが、手作業のセキュリティ証明を大量生産へと移行しています。 V12とZellicは、これはx86プログラム全体の実行をカバーする初の公開証明であり、CPUが実行する生のマシンコード上で検証されたものだと述べています。これは設計図ではなく、完成した橋を点検するようなものです。同様のもう一つのプログラムでは、たった739行の新規コードで実現されました。コンパイルされたプログラム自体について、信頼する層を減らした形で検証可能なセキュリティ保証を得られれば理想的です。最も難しい部分を再利用することで、次に同様のプログラムを検証する際の労力が大幅に削減され、大規模な厳密なセキュリティ証明が現実的になる可能性があります。 ただし、これらは彼ら自身の成果であり、x86モデルはまだ開発中であり、人間による監査は行われていないことを認めています。しかし、これがスケールすれば非常に素晴らしいことでしょう。 https://t.co/CS5gv6j3uz



