Import AI 461: 'संरेखण सही रास्ते पर नहीं'; FrontierCode; और सिंथेटिक रिसर्च इंटर्न
Cognition
Alibaba/Qwen
Anthropic
OpenAI
UK AI सुरक्षा संस्थान और Timaeus के शोधकर्ताओं ने Sequent नामक एक गैर-लाभकारी संगठन लॉन्च किया, जिसका उद्देश्य सुपरइंटेलिजेंट AI के लिए सैद्धांतिक संरेखण तकनीक विकसित करना है, जिसमें शुरुआत में $100-150 मिलियन जुटाए जा रहे हैं। Cognition ने FrontierCode जारी किया, एक कठिन कोडिंग बेंचमार्क जिसमें Claude Opus 4.8 ने सबसे कठिन स्तर पर 13.4% स्कोर किया। Xiaomi ने MiMo-V2.5-Pro-UltraSpeed पर विवरण प्रकाशित किए, जो एक 1 ट्रिलियन पैरामीटर मॉडल है जो सह-डिज़ाइन और क्वांटाइज़ेशन के माध्यम से 1000 टोकन प्रति सेकंड प्राप्त करता है। एक नया बेंचमार्क, AARRI-Bench, एंट्री-लेवल रिसर्च कार्यों पर AI सिस्टम का मूल्यांकन करता है।
एक नया गैर-लाभकारी अनुसंधान संगठन, सीक्वेंट, का गठन यूके एआई सुरक्षा संस्थान और संरेखण सिद्धांत स्टार्टअप टिमियस के शोधकर्ताओं द्वारा किया गया है, जो सुपरइंटेलिजेंट एआई सिस्टम के लिए संरेखण तकनीक विकसित करेगा। सीक्वेंट का लक्ष्य शुरू में 100-150 मिलियन डॉलर जुटाना और 40-80 कर्मचारियों तक बढ़ना है, जो स्केलेबल ओवरसाइट, लर्निंग थ्योरी, ह्यूरिस्टिक आर्गुमेंट्स, गेम थ्योरी और पर्सनाज सहित विविध अनुसंधान दिशाओं में काम करेगा, ताकि संरेखण में सैद्धांतिक विश्वास प्राप्त किया जा सके। कॉग्निशन, जो डेविन के पीछे की कंपनी है, ने फ्रंटियरकोड जारी किया, जो 150 कार्यों वाला एक कोडिंग बेंचमार्क है जिसमें तीन कठिनाई स्तर (डायमंड, मेन, एक्सटेंडेड) हैं और यह कोड गुणवत्ता, मर्जेबिलिटी और कोडबेस मानकों के पालन को मापता है; क्लाउड ओपस 4.8 ने डायमंड स्तर पर केवल 13.4% स्कोर किया, जो पर्याप्त गुंजाइश दर्शाता है। श्याओमी ने माईमो- v2.5-प्रो-अल्ट्रास्पीड पेश किया, जो 1 ट्रिलियन पैरामीटर वाला एलएलएम है जो एफपी4 क्वांटाइजेशन, डीफ्लैश के माध्यम से स्पेक्युलेटिव डिकोडिंग और स्टार्टअप टाइल एआई के टाइलआरटी सॉफ्टवेयर का उपयोग करके 8-जीपीयू कमोडिटी नोड पर प्रति सेकंड 1000 टोकन का इनफरेंस प्राप्त करता है। शीआन जियाओतोंग विश्वविद्यालय और क्सिडियन विश्वविद्यालय के शोधकर्ताओं ने एएआरआर (एक्ट एज़ अ रियल रिसर्चर) बेंचमार्क विकसित किए, जो एएआरआरआई-बेंच से शुरू होते हैं, एआई सिस्टम का मूल्यांकन प्रवेश-स्तर के अनुसंधान कार्यों पर करने के लिए; सबसे अच्छा प्रदर्शन करने वाला सिस्टम, मिनी-एसडब्ल्यूई-एज के साथ क्लाउड-ओपस-4.7, ने विज्ञान परिदृश्य पर 42.13% स्कोर किया।
स्रोत: Import AI —
मूल