Σεπτέμβριος 2026

Έλεγχος GPU kernel σε πραγματικό inference workload με τη μέθοδο LLM4LLM
Ερευνητές αξιολογούν ελεγχόμενη προσομοίωση μαθητών με SSKG

SSKG: όταν η AI παύει να παριστάνει τον μαθητή και μοντελοποιεί τη γνώση του

Η μέθοδος SSKG μεταφέρει την απόφαση έξω από το LLM και δημιουργεί ελεγχόμενες, διαγνώσιμες προσομοιώσεις μαθητών με σαφή όρια.

ΠερισσότεραSSKG: όταν η AI παύει να παριστάνει τον μαθητή και μοντελοποιεί τη γνώση του
Μηχανικός επιβλέπει ρομποτικό χειρισμό ποντικιού για εκπαίδευση GUI agents
Ερευνητές καθοδηγούν ρομποτικό σύστημα για sparse reward εκπαίδευση AI

Όταν το reward σωπαίνει: hints, critics και teachers στην εκπαίδευση AI

Μια ελεγχόμενη σύγκριση 11 μεθόδων δείχνει πότε hints, distillation και critics βοηθούν την AI με sparse reward — και πώς ένα benchmark μπορεί να αντιστρέψει το συμπέρασμα.

ΠερισσότεραΌταν το reward σωπαίνει: hints, critics και teachers στην εκπαίδευση AI
Ομάδα ελέγχει εκδόσεις και αποδείξεις για τη μνήμη AI agent

ECHO: γιατί η μνήμη ενός AI agent χρειάζεται αποδείξεις, όχι μόνο ομοιότητα

Το ECHO δείχνει γιατί η μνήμη AI agent χρειάζεται χρονική εγκυρότητα, πλήρες provenance και ασφαλή αποχή — όχι μόνο semantic similarity.

ΠερισσότεραECHO: γιατί η μνήμη ενός AI agent χρειάζεται αποδείξεις, όχι μόνο ομοιότητα