Artificial Intelligence

Οδηγοί και αναλύσεις για εργαλεία, μοντέλα και επιχειρηματικές εφαρμογές της τεχνητής νοημοσύνης. Εξετάζουμε δημιουργία περιεχομένου, αυτοματισμούς, agents, δεδομένα και υπεύθυνη χρήση, με έμφαση σε πρακτικές λύσεις που προσφέρουν πραγματική αξία.

Μηχανικός επιβλέπει ρομποτικό χειρισμό ποντικιού για εκπαίδευση GUI agents

Πέρα από την επιτυχία και την αποτυχία: πώς οι GUI agents μαθαίνουν από τη διαδρομή

Η LACL-GUI δείχνει γιατί το τελικό reward δεν αρκεί για GUI agents και πώς μήκος, απόκλιση και trajectory quality βελτιώνουν την αξιολόγηση.

Read MoreΠέρα από την επιτυχία και την αποτυχία: πώς οι GUI agents μαθαίνουν από τη διαδρομή
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.

Read MoreΔεν υπάρχει ουδέτερο AI benchmark: πώς το harness αλλάζει τον νικητή
Ερευνητές ελέγχουν υποδομή για monitoring των activations σε LLMs

Μπορούν τα LLMs να κρύψουν τη σκέψη τους; Το benchmark που μετρά τον έλεγχο των activations

Το Activation Controllability Benchmark δείχνει ότι πολλά LLMs αλλάζουν το εσωτερικό τους σήμα με οδηγία, άρα το monitoring χρειάζεται layered safeguards.

Read MoreΜπορούν τα LLMs να κρύψουν τη σκέψη τους; Το benchmark που μετρά τον έλεγχο των activations