Kategori

Forskning

Forskning och modeller

Anchor bekämpar "artifact drift" vid utveckling av AI-agenter

2 min läsning

+Läs artikel

Utvalda

Att läsa just nu

Utvalda

Att läsa just nu

Analys

Studie ifrågasätter LLM:s förmåga till introspektion

Läs artikel

Analys

Studie belyser AI-agenters åldrande i driftsatta system

En ny studie från arXiv introducerar AgingBench, ett riktmärke för att mäta och förstå AI-agenters tillförlitlighet över tid i verkliga driftsättningar.

2 min läsning+Läs artikel

Analys

BrickAnything: Ny metod för AI-genererade byggbara strukturer

7 juli 2026

Analys

ScientistOne introducerar ramverk för verifierbar AI-forskning

7 juli 2026

Arkiv

Tidigare publicerat

Arkiv

Tidigare publicerat

7 juli 2026
Studie avslöjar orsak till hallucinationer i LLM vid strukturerad kunskap
Forskare har undersökt varför stora språkmodeller (LLM) "hallucinerar" när de bearbetar strukturerad kunskap, trots att relevant information finns tillgänglig.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Ny utvärderingsmodell: JobBench mäter AI-agenters förmåga att avlasta människor
JobBench, en ny modell för att utvärdera AI-agenters prestanda, fokuserar på att mäta deras förmåga att utföra delegerbara arbetsuppgifter snarare än att ersätta mänsklig arbetskraft. Modellen lanserades i maj 2026.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
OmniToM: Nytt benchmark utvärderar "Theory of Mind" i LLM
Forskare har introducerat OmniToM, ett nytt benchmark för att direkt utvärdera förmågan hos stora språkmodeller (LLM) att modellera "Theory of Mind" (ToM) genom explicita trosstrukturer.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Nya AI-agenter effektiviserar vetenskapliga arbetsflöden
Forskare introducerar två nya AI-system, DeepTS/DeepCollector och DeepScribe, som automatiserar datainsamling och analys inom vetenskaplig forskning med hjälp av en hybrid arkitektur.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Nytt ramverk för AGIs långtidsminne: "Governed Evolving Memory"
Forskare introducerar ett nytt ramverk, Governed Evolving Memory (GEM), som omdefinierar hur långtidsminnen för AI-agenter bör hanteras för att övervinna nuvarande brister.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Nytt benchmark utvärderar minnesarkitekturer för Text-to-SQL i företag
Forskare introducerar EnterpriseMem-Bench, ett nytt benchmark för att utvärdera LLM:s minnesförmåga i flerstegs Text-to-SQL-uppgifter. Studien jämför flera modeller, däribland GPT-4.5, Claude 3.5 Sonnet och Claude 3 Opus, för att belysa vikten av minnesarkitekturer.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
LLM-system effektiviserar strålbehandling i USA
Ett nytt AI-system, The Daily Dose, har integrerats i strålbehandlingskliniker i USA för att automatiskt sammanfatta patientdata och identifiera relevanta kliniska prövningar.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Självverifierande destillation förbättrar LLM:er utan extern data
Forskare introducerar "Self-Verified Distillation", en metod som låter språkmodeller förbättra sig själva genom att generera och verifiera egna träningsdata i tre resonemangsdomäner.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Studie visar på förstärkt studentinlärning med adaptiv AI-feedback
En ny studie presenterar ett ramverk som använder stora språkmodeller (LLM) för att leverera adaptiv feedback, baserad på domänspecifik expertkunskap, till studenter. Studien visar förbättrade studieresultat.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Ny metod att styra kulturella värden i stora språkmodeller
Forskare introducerar en ny ram för att utvärdera och omforma kulturella värden i stora språkmodeller (LLM), vilket undviker ytlig anpassning.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Ny forskning kopplar RAG till implicit gradientdescent
En ny studie publicerad på arXiv undersöker hur Retrieval-Augmented Generation (RAG) kan ses som en in-context optimering, med kopplingar till implicit gradientdescent.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
Ny metod minskar beroende av belöningsmodeller i AI-agenter
Forskare introducerar RICE-PO, en ny ram för policyoptimering som omvandlar hämtningsinteraktioner till lokala inlärningssignaler för resonemangsagenter, vilket minskar behovet av traditionella belöningsmodeller.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
CroCo: Kontrastiv preferensjustering över språk förbättrar LLM
En ny forskningsstudie presenterar CroCo, en metod för flerspråkig, kontrastiv preferensjustering av stora språkmodeller som förbättrar prestanda i 14 språk utan språkspecifik annotering.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
SPEAR: Ny agentmetod för promptoptimering lanserad inom AI
Forskare introducerar SPEAR, en ny agentbaserad metod för automatisk promptoptimering som använder en Python-sandlåda för att förbättra språmodellers prestanda.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
ITBench-AA: AI-modeller underpresterar i företagstester
Nya riktmärket ITBench-AA visar att ledande AI-modeller misslyckas med mer än hälften av verkliga IT-uppgifter i företag, vilket belyser behovet av förbättrad logisk slutledning och beslutsfattande.
7 juli 20262 min läsning
Läs artikel

Anchor bekämpar "artifact drift" vid utveckling av AI-agenter

Studie ifrågasätter LLM:s förmåga till introspektion

Studie belyser AI-agenters åldrande i driftsatta system

BrickAnything: Ny metod för AI-genererade byggbara strukturer

ScientistOne introducerar ramverk för verifierbar AI-forskning

Studie avslöjar orsak till hallucinationer i LLM vid strukturerad kunskap

Ny utvärderingsmodell: JobBench mäter AI-agenters förmåga att avlasta människor

OmniToM: Nytt benchmark utvärderar "Theory of Mind" i LLM

Nya AI-agenter effektiviserar vetenskapliga arbetsflöden

Nytt ramverk för AGIs långtidsminne: "Governed Evolving Memory"

Nytt benchmark utvärderar minnesarkitekturer för Text-to-SQL i företag

LLM-system effektiviserar strålbehandling i USA

Självverifierande destillation förbättrar LLM:er utan extern data

Studie visar på förstärkt studentinlärning med adaptiv AI-feedback

Ny metod att styra kulturella värden i stora språkmodeller

Ny forskning kopplar RAG till implicit gradientdescent

Ny metod minskar beroende av belöningsmodeller i AI-agenter

CroCo: Kontrastiv preferensjustering över språk förbättrar LLM

SPEAR: Ny agentmetod för promptoptimering lanserad inom AI

ITBench-AA: AI-modeller underpresterar i företagstester