machine learning

Μηχανικοί ελέγχουν αισθητήρες για explainable AI στις χρονοσειρές

Explainable AI στις χρονοσειρές: όταν το ίδιο μοντέλο δίνει άλλη εξήγηση

Το explainable AI στις χρονοσειρές αλλάζει ανά framework. Η ανασκόπηση έξι εργαλείων δείχνει κενά σε methods, metrics, συχνότητες και αναπαραγωγιμότητα.

ΠερισσότεραExplainable AI στις χρονοσειρές: όταν το ίδιο μοντέλο δίνει άλλη εξήγηση
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.

ΠερισσότεραΔεν υπάρχει ουδέτερο AI benchmark: πώς το harness αλλάζει τον νικητή
Μηχανικός ελέγχει κύκλωμα AI για ανεξάρτητη εποπτεία με OWMI

Μπορεί ένα AI να καταλάβει τι συμβαίνει μέσα του; Τι αποκαλύπτει το OWMI

Το OWMI δείχνει ότι η λεκτική αυτοαναφορά οκτώ open-weight μοντέλων έμεινε στην τύχη, παρότι το σήμα υπήρχε στις ενεργοποιήσεις τους.

ΠερισσότεραΜπορεί ένα AI να καταλάβει τι συμβαίνει μέσα του; Τι αποκαλύπτει το OWMI
Ελεγχόμενη αξιολόγηση AI μοντέλων σε επαγγελματική δοκιμαστική κουζίνα

FlavourBench: τι μας μαθαίνει μια κουζίνα για την αξιόπιστη αξιολόγηση της AI

Το FlavourBench δείχνει πώς dense reward maps, κοινά tasks και uncertainty checks κάνουν την αξιολόγηση AI μοντέλων πιο ελέγξιμη και χρήσιμη.

ΠερισσότεραFlavourBench: τι μας μαθαίνει μια κουζίνα για την αξιόπιστη αξιολόγηση της AI
Αυτόνομο ρομπότ σε αποθήκη ως παράδειγμα σύζευξης world model, AI agent και περιβάλλοντος

World models στην AI: το κρίσιμο ερώτημα δεν είναι μόνο τι προβλέπουν

Τα world models μπορεί να αφορούν το περιβάλλον, τον agent ή την κοινή διαδικασία. Η σωστή διάκριση καθορίζει support, αξιολόγηση και ασφαλή λειτουργία.

ΠερισσότεραWorld models στην AI: το κρίσιμο ερώτημα δεν είναι μόνο τι προβλέπουν
Ομάδα αξιολογεί πότε ένας AI agent πρέπει να παρέμβει ή να παραμείνει σιωπηλός

Why2Speak: γιατί η εξήγηση ενός AI agent μπορεί να αλλάζει την απόφασή του

Το Why2Speak δείχνει γιατί το reasoning μπορεί να αλλάζει την πολιτική παρέμβασης ενός AI agent και ποιοι έλεγχοι χρειάζονται πριν από deployment.

ΠερισσότεραWhy2Speak: γιατί η εξήγηση ενός AI agent μπορεί να αλλάζει την απόφασή του