Передовые модели провалили большинство задач, где важна скорость реакции
В Realtime-Bench от ИИ требуют действовать вовремя, и даже у лидера GPT-6 Astra надёжно получается лишь в 36% задач.
источник · аналитика · 8 новостей за 60 дней
Import AI
Еженедельная рассылка Джека Кларка, сооснователя Anthropic, о новых исследованиях и политике в области ИИ.
2 ноября понедельник
26 октября понедельник
Один исследователь Mirendil с ИИ-агентами обучил модель для кода с нуля
Стартап бывших исследователей Anthropic утверждает, что агенты написали больше 99% кода для обучения, а расходы на вычисления составили меньше 10 млн долларов.
19 октября понедельник
Сооснователь Anthropic заявил на встрече МВФ, что сингулярность уже началась
Джек Кларк считает, что ИИ уже ускоряет науку, и зовёт страны строить лаборатории и вводить правила. Названные им 44 трлн долларов ВВП США к 2030 году — самый смелый из трёх сценариев Anthropic.
12 октября понедельник
Сооснователь Anthropic считает, что ИИ сможет улучшать себя сам уже в 2027 году
Сооснователь Anthropic Джек Кларк теперь ждёт, что ИИ сможет без людей обучать более сильного преемника уже в 2027 году, а не в 2028-м. Его довод — тест, где модель Claude Opus 5.5 ставит опыты эффективнее экспертов.
5 октября понедельник
Джек Кларк из Anthropic считает, что ИИ всё лучше автоматизирует науку. Тест C5R выиграла Claude
В лабораторном тесте стартапа C5R лучшей стала Claude Fable 5.1: её средний показатель успеха по 17 группам простых задач — 45%. Модели упускали важные мелочи: например, пытались набрать пипеткой замороженный образец.
28 сентября понедельник
Челси Финн считает, что роботам не хватает общего рецепта дообучения
Челси Финн и Перри Дун из Стэнфорда считают, что надёжными роботов сделает общий для отрасли рецепт дообучения на собственном опыте, а его пока нет.
21 сентября понедельник
RAND советует США сохранить свободу выбора на пути к сверхинтеллекту
Аналитики RAND разобрали семь стратегий, от гонки до защищённых поселений на случай катастрофы, и считают, что выбирать между ними пока рано.
7 сентября понедельник
В DeepMind рой ИИ-агентов научился жульничать в математике. Но четверть отказалась
Один агент нашёл дыру в автоматической проверке, и за 27 минут рой «решил» оставшиеся 34 задачи из 71. Почти четверть агентов отказалась жульничать и пыталась остановить остальных.