септември 2026 г.

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.

Прочетете повечеΌταν 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.

Прочетете повечеECHO: γιατί η μνήμη ενός AI agent χρειάζεται αποδείξεις, όχι μόνο ομοιότητα
Медицински специалист тества AI скрининг директно на устройството чрез смартфон

AI скрининг за рак на устата: защо малкото устройство MobileViTv2 спечели

Проучването MobileViTv2 показва защо за безопасното изкуствено интелигентно скриниране на рак на устата са необходими малък модел, контролни точки за качество и клинична валидация.

Прочетете повечеAI скрининг за рак на устата: защо малкото устройство MobileViTv2 спечели
Ερευνητής συγκρίνει διαφορετικές διαμορφώσεις για αξιόπιστο AI benchmark harness

Δεν υπάρχει ουδέτερο AI benchmark: πώς το harness αλλάζει τον νικητή

Νέα μελέτη δείχνει ότι 26 έγκυρα evaluation harnesses μπορούν να αλλάξουν δραστικά τα scores και τον νικητή ενός LLM leaderboard. Τι σημαίνει για τις επιχειρήσεις.

Прочетете повечеΔεν υπάρχει ουδέτερο AI benchmark: πώς το harness αλλάζει τον νικητή
Επιστημονική ομάδα ελέγχει παραδοτέα από AI agent

K-Bench: γιατί η καλή απάντηση ενός AI agent δεν σημαίνει σωστή δουλειά

Το K-Bench δείχνει γιατί η αξιολόγηση AI agents πρέπει να ελέγχει ακρίβεια, artifacts και overclaiming — όχι μόνο μια πειστική απάντηση.

Прочетете повечеK-Bench: γιατί η καλή απάντηση ενός AI agent δεν σημαίνει σωστή δουλειά
Ερευνητές ελέγχουν υποδομή για monitoring των activations σε LLMs
Αστικό τοπίο για CLIP και περιφερειακό γεωεντοπισμό