OpenAI 剛剛發布了 lifeval，因為學術基準只能告訴你這麼多關於 AI 是否真的能讓你的生活更輕鬆的信息。 它表示，一年的努力使模型在使用瀏覽器、電腦和連接應用程序方面更快、更出色，Gpt-6 astra 在選定任務（例如預訂汽車檢測或在預算內訂購雜貨）上取得了 100% 的最佳記錄分數。 這組數據相當有趣，因為如果 AI 能可靠地完成任務，人們會更願意將更多生活事務交給它。此類基準推動了開發朝向真實、日常的雜務，而這些任務才是真正贏得信任的關鍵。
gpt-6.2 astra 👀
現在，一個 AI 代理正在操作……一個 SETI 電波望遠鏡。 Nvidia 表示，AI 代理現已協助運行加州的艾倫電波望遠鏡陣列，透過簡單的英文指令控制其天線並處理每秒高達 2.4 億位元的無線電資料。 基本上，這座望遠鏡每秒都會接收到大量的無線電雜訊，而一個過濾器會判斷哪些訊號值得進一步分析、哪些應被捨棄。現在，研究人員只需輸入一個請求，AI 代理便會重寫該過濾器——人類下達指令，但由 AI 的程式碼決定什麼樣的訊號可能構成外星信號（！）。 （到目前為止，它的重大突破是即時捕捉到蟹狀星雲脈衝星——這是一顆天文學家早已知曉的死亡恆星。）
AI 代理正在將安全證明從手工製作轉向大規模生產。 V12 和 Zellic 表示，這是首個涵蓋整個 x86 程式運行的已發表證明，並在 CPU 執行的原始機器碼上進行驗證，如同檢查已建成的橋樑而非設計圖，而另一個類似程式僅需 739 行新程式碼。若能對編譯後的程式本身獲得可驗證的安全保證，並減少對信任層的依賴，將會非常理想。重用最困難的部分，意味著下一個類似程式所需的驗證工作量將大幅減少，這可能使嚴謹的安全證明在大規模應用中變得實際可行！ 需要特別注意的是，這些是他們自己的成果，他們也承認其 x86 模型仍在開發中，尚未經過人工審計，但如果這能擴展應用，將會非常酷。 https://t.co/CS5gv6j3uz