AI & Agents

Ερευνητής ασφαλείας κατάφερε να εξάγει το πλήρες root filesystem του Muse, του AI agent της Meta, μέσω μιας απλής εντολής αρχειοθέτησης. Η διαρροή αποκάλυψε την εσωτερική αρχιτεκτονική του runtime, συμπεριλαμβανομένων των μηχανισμών διαχείρισης μνήμης, των integrations και των πειραματικών δυνατοτήτων hardware.

Το άρθρο εξετάζει πώς το OpenAI μπορεί να γρήγορα αναπαράγει τη δυνατότητα του Jev για άμεσες καλιβροποιημένες αποφάσεις, χρησιμοποιώντας τα ίδια LLM ως εσωτερικούς ταξινομητές. Αν το OpenAI ενσωματώσει αυτήν την ικανότητα στα μοντέλα του, θα βελτιώσει την ακρίβεια, την ταχύτητα και το κόστος του reasoning, ενώ το Jev θα εξαρτηθεί από τοχό του εκπαίδευσης για να διατηρήσει ανταγωνιστικό πλεονέκτημα.

Το νέο AI assistant της Meta, Muse, παρουσίασε μια κρίσιμη ευπάθεια zero-day που επέτρεπε σε τοπικές διεργασίες να αναλάβουν τον πλήρη έλεγχο του λογαριασμού του χρήστη. Η αρχιτεκτονική επιλογή για cloud-based μεταγραφή και η έλλειψη περιορισμών στα undocumented settings υπονομεύουν τις δικλείδες ασφαλείας του macOS.

Το GPT–6 Astra, ένα μοντέλο παραγωγικής τεχνητής νοημοσύνης (Generative AI), κατάφερε αυτόνομα να λύσει το Enigma μήνυμα MVUEH που είχε ανεπίλυτο από το 2005. Χρησιμοποιώντας τον όρο crib «ROSENOW ROSENOW», έφτιαξε προγραμματιστικά ένα Enigma και Bombe σε Python/C++ και βρήκε τον σωστό κλειδί και το κείμενο. Η επίδειξη δείχνει πώς ένα LLM μπορεί να λειτουργήσει ως αυτόνομος κρυπτοαναλυτής, συνδυάζοντας λογική αναζήτησης με πρόσβαση σε αρχειογραφικές πηγές.

Το JevBench v1.3.0 αποτελεί ένα εξειδικευμένο πλαίσιο αξιολόγησης για μοντέλα λήψης αποφάσεων (decision models), μετρώντας την απόδοση 52 διαφορετικών συστημάτων σε 534 σενάρια. Η μεθοδολογία του εστιάζει σε τέσσερις πυλώνες: νοημοσύνη, βαθμονόμηση (calibration), ταχύτητα και κόστος, προσφέροντας μια διαφανή και αναπαραγώγιμη σύγκριση στην εποχή των LLM.

Η υπερβολική εξάρτηση από τα LLMs για τη συγγραφή και την ανάγνωση κώδικα υπονομεύει τη μακροπρόθεσμη συντηρησιμότητα των συστημάτων. Η έλλειψη άμεσης ανατροφοδότησης (reward signal) για την ποιότητα της αρχιτεκτονικής καθιστά την τεχνητή νοημοσύνη ανίκανη να υποκαταστήσει την ανθρώπινη διαίσθηση και την εμπειρική γνώση που αποκτάται μέσω της επίπονης διαδικασίας επίλυσης προβλημάτων.

Ερευνητές χρησιμοποίησαν τον υπερυπολογιστή Isambard-AI για να αναλύσουν 172 ώρες αγώνων του FIFA World Cup 26, αποκαλύπτοντας την ανεξέλεγκτη προβολή επιβλαβών προϊόντων. Η μελέτη αναδεικνύει την αποτυχία της FIFA να αξιοποιήσει τεχνολογίες εικονικής αντικατάστασης διαφημίσεων, παραβιάζοντας συχνά τοπικούς κανονισμούς και νομοθεσίες.

Η πλατφόρμα Artificial Analysis παρουσιάζει μια ολοκληρωμένη αξιολόγηση του MiMo-v2.6-Pro, εστιάζοντας στη σχέση νοημοσύνης, ταχύτητας και κόστους. Η ανάλυση χρησιμοποιεί το Intelligence Index v4.3.2 για να αποτυπώσει την απόδοση των μοντέλων σε πραγματικά σενάρια εργασίας και ροές εργασίας SaaS.

Η Anthropic αντιμετώπισε πρόσφατα τεχνικά προβλήματα που προκάλεσαν αυξημένα σφάλματα σε αρκετά από τα μοντέλα της, συμπεριλαμβανομένων των Claude Opus, Fable και Mythos. Το ζήτημα επηρέασε το σύνολο των υπηρεσιών της εταιρείας, όπως το claude.ai, το API και τα εργαλεία Claude Code και Cowork.

Η OpenAI ισχυρίζεται ότι έλυσε το πρόβλημα των Navier-Stokes, ένα από τα σημαντικότερα ανοιχτά προβλήματα των μαθηματικών, χρησιμοποιώντας ένα LLM. Ωστόσο, η κοινότητα των μαθηματικών αμφισβητεί την ουσία της λύσης, καθώς βασίζεται σε μια τεχνητή εξωτερική δύναμη που καθιστά το αποτέλεσμα μη εφαρμόσιμο στον πραγματικό κόσμο.

Ο όρος «spymark» εισάγεται για να περιγράψει κρυφά σήματα εντοπισμού που ενσωματώνονται σε εικόνες, ήχο και κείμενο, επιτρέποντας την ιχνηλάτηση των χρηστών χωρίς τη συγκατάθεσή τους. Σε αντίθεση με τα παραδοσιακά υδατογραφήματα, αυτά τα ψηφιακά ίχνη είναι αόρατα, ανθεκτικά στην επεξεργασία και σχεδιασμένα για την παρακολούθηση της δραστηριότητας του χρήστη.

Η αλόγιστη παραγωγή κειμένων μέσω AI κατακλύζει τους μηχανικούς με απρόσωπα έγγραφα χωρίς ουσιαστικό πλαίσιο, υπογραμμίζοντας την αξία της αυθεντικής ανθρώπινης σκέψης στην τεχνική επικοινωνία.

Η Xiaomi παρουσίασε το MiMo v2.6, τη νέα της σειρά ισχυρών μοντέλων τεχνητής νοημοσύνης με έμφαση στον προγραμματισμό, τη μαθηματική λογική και την αποδοτική αρχιτεκτονική Mixture-of-Experts.

Το Transformer Explainer προσφέρει μια διαδραστική οπτικοποίηση της αρχιτεκτονικής Transformer, αναλύοντας βήμα προς βήμα πώς μοντέλα όπως το GPT-2 επεξεργάζονται το κείμενο και προβλέπουν την επόμενη λέξη. Μέσω του εργαλείου, οι χρήστες μπορούν να εξερευνήσουν μηχανισμούς όπως το self-attention, τα embeddings και τα MLP layers σε πραγματικό χρόνο.

Η Linear αντιμετώπισε το πρόβλημα των καθυστερήσεων στο CI (Continuous Integration) που προκλήθηκαν από την αυξημένη παραγωγή κώδικα μέσω AI. Μέσω στοχευμένων βελτιστοποιήσεων στην υποδομή, το setup και την εκτέλεση των tests, κατάφερε να μειώσει τον χρόνο αναμονής των pull requests παρά την τετραπλάσια αύξηση της σουίτας ελέγχων.

Κορυφαίοι μαθηματικοί ίδρυσαν μια ανεξάρτητη συμβουλευτική ομάδα για να γεφυρώσουν το χάσμα μεταξύ της έρευνας στην Τεχνητή Νοημοσύνη και της μαθηματικής κοινότητας. Στόχος τους είναι η υπεύθυνη διαχείριση των αποτελεσμάτων που παράγονται από μοντέλα AI και η προστασία της μαθηματικής επιστήμης.

Ο Tim Dettmers υποστηρίζει ότι η έρευνα στην τεχνητή νοημοσύνη μετατοπίζεται από τα μεγάλα εργαστήρια με τεράστια υπολογιστική ισχύ σε μικρότερες ακαδημαϊκές ομάδες. Μέσω της χρήσης αυτόνομων πρακτόρων (agents) και ανοιχτού λογισμικού, η έρευνα μπορεί πλέον να παράγει αποτελέσματα αιχμής με ελάχιστους πόρους.

Η Apple παρέχει στους χρήστες Mac τη δυνατότητα να απενεργοποιούν επιλεκτικά τις λειτουργίες τεχνητής νοημοσύνης, όπως οι περιλήψεις μηνυμάτων και το Siri AI. Μέσω των ρυθμίσεων συστήματος και των επιμέρους εφαρμογών, μπορείτε να διαχειριστείτε τον έλεγχο των δεδομένων σας και να περιορίσετε την πρόσβαση σε αυτές τις δυνατότητες.

Η Amazon έλαβε μέτρα για να εμποδίσει το νέο εργαλείο τεχνητής νοημοσύνης της Meta, Muse, από το να πραγματοποιεί αγορές ή να συλλέγει δεδομένα απευθείας από το amazon.com. Η κίνηση αυτή αναδεικνύει την αυξανόμενη ένταση μεταξύ των τεχνολογικών κολοσσών σχετικά με τον έλεγχο των δεδομένων και την αυτοματοποίηση των αγορών.

Χρήστες αναφέρουν αισθητή υποβάθμιση στις ικανότητες συλλογισμού του μοντέλου Fable 5 της Anthropic, η οποία συνδέεται με τη μειωμένη χρήση των λεγόμενων 'thinking tokens'. Η ανάλυση υποδεικνύει ότι η απόδοση δεν είναι σταθερή, αλλά εξαρτάται από το εκάστοτε περιβάλλον συμπερασμού (inference regime) που εξυπηρετεί τον χρήστη.