ოთხშაბათი, 7 ოქტომბერი 2026
მათივე მრჩევლებმა შეწყვეტა სთხოვეს, 722 ნაშრომი მაინც გამოქვეყნდა
OpenAI-მ მანქანური მათემატიკის უდიდესი პაკეტი იმ მრჩეველთა ჯგუფის თხოვნიდან ერთ კვირაში გამოაქვეყნა, რომელსაც თავად რჩევას ეკითხება
სამშაბათს OpenAI-მ საჯარო GitHub-რეპოზიტორიაში 722 ნაშრომი ატვირთა, 372 „კვლევით ოჯახად“ დაჯგუფებული. ეს არის შედეგი იმისა, რომ შიდა მოდელს, რომლის სახელსაც არ ამჟღავნებენ, დაახლოებით 4,000 ღია ამოცანა დაუსვეს; ერთ მიღებულ შედეგზე საშუალოდ სამი საათის ტოლფასი ChatGPT Pro-გამოთვლა დაიხარჯა. თემატიკა რიცხვთა თეორიიდან და სირთულის თეორიიდან ჰაიზენბერგის კვანტურ ფერომაგნეტებამდე და რელატივისტურ ვლასოვ-მაქსველის განტოლებებამდე მიდის. სიახლე თარიღებშია. 29 სექტემბერს მათემატიკისა და ხელოვნური ინტელექტის საკონსულტაციო ჯგუფმა — ცხრა მათემატიკოსი, რომლებიც Institute for Advanced Study-ში მუშაობენ და რომლებსაც OpenAI-ის თქმით სწორედ ამ გამოქვეყნებაზე ეკითხებოდა — დაწერა: „ამჟამად ზოგიერთი წამყვანი AI-ლაბორატორია რთულ მათემატიკურ ამოცანებს ისეთ დახურულ მოდელებზე ამოწმებს, რომლებიც ფართო სამეცნიერო საზოგადოებისთვის მიუწვდომელი რჩება. ჩვენ ამ პრაქტიკას არ ვუჭერთ მხარს და მათ შეჩერებას ვთხოვთ.“ OpenAI-ის პრესსპიკერი ლინდსი მაკკალუმ რემი ამბობს, რომ ჯგუფის „რჩევამ და საჯარო რეკომენდაციებმა განსაზღვრა, როგორ ვაქვეყნებთ შედეგებს“. ნაშრომების დიდ ნაწილს Lean-ში ფორმალიზაცია ჯერ არ აქვს; OpenAI ამბობს, რომ დამატებითი ფორმალიზაციები შემოწმების დასრულებისთანავე გამოჩნდება. შეკითხვები კი უკვე დაისვა: სათაურში გამოტანილი ერთი შედეგი — ბირჩ-სვინერტონ-დაიერის მთავარი წევრის ფორმულის დამტკიცება — სინამდვილეში რაციონალურ რიცხვებზე განსაზღვრულ ელიფსურ მრუდებს ეხება სელმერის ჯგუფის კონკრეტული პირობებით. ეს ნამდვილი შედეგია და არა ის, რასაც სათაური ასახელებს.
Anthropic ახლა შემტევ სამუშაოზეც გასცემს ვერიფიცირებულ დაშვებას და ზედა დონეს აშშ-ის მთავრობასთან ერთად განიხილავს
იმავე სამშაბათს Anthropic-მა გადააწყო, ვის აქვს უფლება მისი მოდელები კიბერშეზღუდვების შემსუბუქებით გამოიყენოს, და მთავარი აქ ფორმაა და არა თავად განცხადება. დონე სამია. Defense Access მოიცავს SOC-ის მუშაობას, ინციდენტებზე რეაგირებას, მავნე კოდის დაშლასა და ანალიზს და მოწყვლადობების ანალიზს; ხელმისაწვდომია კორპორაციული გუნდებისთვის, უნივერსიტეტებისთვის, არასამთავრობოებისთვის, კრიტიკული ინფრასტრუქტურის ოპერატორებისთვის, მცირე ფირმებისთვის, ღია კოდის მხარდამჭერებისთვის და იმ ცალკეული მკვლევრებისთვისაც, რომლებსაც მოწყვლადობების გამჟღავნების გამოცდილება აქვთ; განაცხადს „რამდენიმე დღეში“ განიხილავენ. Red Team Access ამას შეღწევადობის ავტორიზებულ ტესტირებასა და red-teaming-ს უმატებს — პირდაპირ შემტევ სამუშაოს — განხილვას კვირები სჭირდება და ფიზიკური პირები არ დაიშვებიან. Specialized Access-ს ყველაზე ნაკლები შეზღუდვა აქვს და მხოლოდ იმ ორგანიზაციებისთვისაა, რომლებსაც ისეთი სისტემების შემოწმების უფლება აქვთ, როგორიცაა საფრენი აპარატების ოპერაციული სისტემები და ელექტროქსელები; ეს განაცხადები აშშ-ის მთავრობასთან ერთად განიხილება. სამივე დონეზე ხელმისაწვდომია Opus 5.5, Sonnet 5.5 და Mythos 5.1, მომავალი მოდელების ჩათვლით. რეალურ დროში კვლავ იბლოკება გამომძალველი პროგრამის განთავსება, ფიზიკური დაზიანება და მაღალი რისკის უსაფრთხოების სისტემების ტესტირება. ციფრი, რომლითაც Anthropic იწყებს: Project Glasswing-ის პარტნიორებმა აპრილიდან ივლისამდე სულ მცირე 129,000 დადასტურებული პროგრამული მოწყვლადობა აღმოაჩინეს, ღია კოდის საკუთარმა სკანირებამ კი კიდევ 5,500 დაამატა; 33,000-ზე მეტი კრიტიკულ ან მაღალ საშიშროებად შეფასდა.
წყარო: Anthropic, 6 ოქტომბერი, 2026
HackerRank-ის AI-გამომკითხველი საჯაროდ ხელმისაწვდომი გახდა და ის აფასებს, როგორ ამუშავებ AI-ს
Chakra დღეს გავრცელდა საჯაროდ, დაახლოებით ექვსთვიანი ბეტა-პერიოდის შემდეგ, რომლის დროსაც HackerRank-ის თქმით 500,000-ზე მეტი გასაუბრება ჩატარდა; მათ შორის Snowflake-ში, Snorkel-ში და Capgemini-ში. ის ამოცანას არ გაძლევს ამოსახსნელად. ის უყურებს, როგორ მუშაობ ნამდვილ რეპოზიტორიაში, სადაც AI-ხელსაწყოების გამოყენება ნებადართულია, შემდეგ კი შენს გადაწყვეტილებებზე გეკითხება და აფასებს ამოცანის გადაჭრას, მსჯელობას, კომუნიკაციას და იმას, რასაც კომპანია „AI-ის თავისუფლად ფლობას“ უწოდებს: უნარს, ამოცანა მოდელისთვის სწორად ჩამოაყალიბო, პასუხი შეაფასო და სასარგებლო შედეგამდე მიიყვანო. თანადამფუძნებელმა და აღმასრულებელმა დირექტორმა ვივეკ რავისანკარმა მიზეზი პირდაპირ დაასახელა: „შეფასების წინა ფორმა შედეგის შეფასება იყო. ახლა, AI-ის გამო, ნებისმიერს შეუძლია ნამუშევრის შექმნა.“ ბეტიდან ორი ციფრი დაფიქრებას იმსახურებს: კანდიდატებმა გამოცდილება 4.8 ქულით შეაფასეს 5-დან, საეჭვო ქცევის მონიშვნები კი ზედამხედველობის ქვეშ ჩატარებულ ჩვეულებრივ ტესტებთან შედარებით 70-80 პროცენტით შემცირდა — იმიტომ, რომ როცა AI-ის გამოყენება თავად გამოცდაა, მალულად შესატანი არაფერი რჩება. Chakra ქულას წერს; დამსაქმებელი კი მაინც თავად წყვეტს.
SAP ყიდულობს კომპანიას, რომლის პროდუქტიც იმის ცოდნაა, რას აკეთებენ შენი თანამშრომლები მთელი დღე
სამშაბათს, ლას-ვეგასში გამართულ Connect-ის კონფერენციაზე SAP-მა განაცხადა, რომ TechWolf-ის შესყიდვაზე საბოლოო შეთანხმებას მიაღწია. ეს გენტის კომპანიაა, რომლის „სამუშაოს კონტექსტური გრაფი“-ც თანამშრომლის უნარებს იმ ამოცანებიდან გამოიყვანს, რომლებსაც ადამიანი რეალურად ასრულებს კომპანიაში უკვე დანერგილ პროგრამებში — და არა თვითშეფასების კითხვარებიდან. პირობები არ გამოუცხადებიათ; გარიგება მეოთხე კვარტალში უნდა დასრულდეს, მარეგულირებლის თანხმობის პირობით, TechWolf SuccessFactors-ის პორტფელში გადადის, თანადამფუძნებელი ანდრეას დე ნევე კი მის დირექტორად რჩება. აგენტური მხარე სწორედ არსია: გრაფი ხდება ის საფუძველი, რომელსაც SAP-ის Joule-აგენტები დაეყრდნობიან უნარებზე დაფუძნებულ დაკომპლექტებაში, სამუშაო ძალის დაგეგმვასა და როლების გადაწყობაში. SAP-ის Autonomous Suite-ის პრეზიდენტმა და პროდუქტის მთავარმა ხელმძღვანელმა მანოჯ სვამინათანმა მეორე სარგებელი შელამაზების გარეშე დაასახელა: „ეს დასაყრდენი ფენა ჩვენს სტრატეგიას ზუსტად ემთხვევა. ის ტოკენების ხარჯვას უფრო ეფექტიანს ხდის.“ შენი თანამშრომლების ნამდვილი საქმის რუკა, ნაწილობრივ იმიტომ ნაყიდი, რომ მოდელის კვება ასე იაფია.
Google-მა ტექსტი, კოდი, სურათი, ვიდეო და ხმა ერთ საძიებო სივრცეში მოაქცია და ტელეფონზე დასატევად დააპატარავა
EmbeddingGemma 2 სამშაბათს გამოვიდა Apache 2.0-ით: სულ 740 მილიონი პარამეტრი, მაგრამ მოდულური — 270-მილიონიანი ტექსტური მოდელი, მხედველობის 170-მილიონიანი ენკოდერი და ხმის 300-მილიონიანი ენკოდერი, რომლებიც სასურველი კომბინაციით ჩაიტვირთება და ყველა ერთსა და იმავე 768-განზომილებიან სივრცეში წერს. სწორედ ეს არის მთავარი შესაძლებლობა: ხმოვანი შეტყობინება, ვიდეოკადრი და კოდის ხაზი ერთმანეთთან შედარებადი ხდება, ასე რომ ერთით მეორის ძებნა შეიძლება. კონტექსტის ფანჯარა ყველა მოდალობაზე 8,192 ტოკენია — წინა ვერსიაზე ოთხჯერ მეტი — და 100-ზე მეტ ენას ფარავს. ყველაზე ნათელი წინსვლა კოდზეა, სადაც MTEB-ქულა 68.76-დან 78.68-მდე იზრდება. და ის მუშაობს იმ ადგილას, სადაც მონაცემები დევს: Pixel 11 Pro-ზე მხოლოდ ტექსტისთვის დაახლოებით 191 მეგაბაიტი აქტიური მეხსიერება სჭირდება, სრული მულტიმოდალური ნაკრებისთვის კი დაახლოებით 567. Matryoshka-ჩამოჭრა განზომილებების მესამედზე ძიების ხარისხის დაახლოებით 95 პროცენტს ინარჩუნებს. წონები Hugging Face-ზე და Kaggle-ზე უკვე დევს. სრულიად ლოკალური ძიება, როცა ტელეფონიდან არაფერი გადის — ყურადღებას არ იპყრობს და ამ კვირის ყველაზე მოსახმარი გამოშვებაა.
წყარო: Unite.AI, 6 ოქტომბერი, 2026