קטגוריות
מחקר
2026-10-22קבוע, סוף סוף: השערת KLS נופלת בידי חיפוש בינה מכוון-אדם
שינג'י ג'אנג מ-Microsoft Research וג'או סונג הוכיחו את השערת KLS בת ה-31 השנים עם צי סוכנים שחקר כמאה מסלולי מחקר תחת גיזום אנושי - בעוד ניסיונות בינה לא מודרכים באותו תקציב טוקנים נכשלו. שתי הוכחות עצמאיות נחתו באותו שבוע, ואחריהן פורמליזציה ב-Lean 4.
2026-10-21המנוע מחזיק את המצב, המודל רק מצייר: Matrix-Game 4.0
מודל העולם הבר-משחק של Skywork מחלק את העבודה: מנוע משחק אמיתי שומר את החוקים ומצייר פרוקסי דל-פוליגונים, סוכן קוד משכתב את החוקים כשהשחקן מבקש, ומודל וידאו סיבתי בן 5 מיליארד פרמטרים שזוקק לצעד דה-רעש אחד רק מרנדר. המשקלים ברישיון Apache-2.0 - אבל קוד ונתוני האימון סגורים.
2026-10-20מקודד הטקסט היה אופציונלי כל הזמן: Halcyon מנצח T2I מאומנים מראש בפי 275 פחות חישוב
סטנפורד ו-Radical Numerics מאמנים מודלי text-to-image מאפס על 100 מיליון זוגות תמונה-טקסט בלי אימון שפה מוקדם, מנצחים קווי בסיס של LlamaGen ו-JiT-T2I שאומנו מחדש, ומראים בשלושה ניסויים מבוקרים שאימון שפה מוקדם לא עוזר. עשרה מודלים להורדה מ-Hugging Face, אבל בלי קובץ רישיון.
2026-10-19זרעי עקומות NIST היו פשוט חותמות זמן: Claude סוגר תעלומת קריפטוגרפיה בת 25 שנה
Anthropic מספרת שמודל מחקר פנימי שחזר בפחות מחצי שעה את מקור זרעי NIST מ-P-192 עד P-521: לא גיבוב של ביטוי סודי אלא מחולל lrand48 מספריית C שאותחל בחותמות Unix מ-1997-1998. פיליפו ולסורדה אימת את הטענה במימוש מחדש ב-Go ושילם את הפרס; 36,864 הדולרים הולכים ל-ISRG. לא פריצה - ביטחון, עם קבלות.
2026-10-18DeepSeek-V4.1-Flash-1017: עדכון משני עם קפיצות סוכנתיות, משקלים תחת MIT, ובלי תבנית Jinja
ב-17 באוקטובר DeepSeek העלו ל-Hugging Face את V4.1-Flash-1017: 763 מיליארד פרמטרים, חלון הקשר של מיליון אסימונים, קלט טקסט-תמונה ורישיון MIT על המאגר והמשקלים. הטבלה שלהם מראה DeepSWE מ-74.2 ל-77.0 ו-Terminal-Bench מ-31.2 ל-42.3, ו-Opus 5 עדיין מוביל בכמה עמודות. תבנית השיחה מגיעה כייחוס Python וערכת Rust, לא מחרוזת Jinja.
2026-10-17OpenGCUA: עליבאבא פותחת את מחסנית השימוש במחשב, אבל המודל לא בקופסה
צוות MAI-UI של Alibaba Token Hub שחרר את OpenGCUA: ערכת הרצה, SDK, פרומפטים ומסלולי הערכה פתוחים לסוכני שימוש-במחשב גנרליסטיים, עם שיפורים מדווחים ב-OSWorld-v2 בשמונה מודלי חזית. המודל המאומן הובטח, לא שוחרר. הרישיון Apache-2.0 והמספרים של הצוות.
2026-10-16Muse Spark Open: מודל הקוד הפתוח של מטא עם 816 מיליארד פרמטרים נכנס בשני Mac Studio, בתנאים
מטא שחררה את Muse Spark Open, מודל תערובת מומחים עם 816 מיליארד פרמטרים וחלון הקשר של מיליון טוקנים, תחת רישיון Muse Model License שלה. הכרטיס של מטא מראה שהוא מוביל בחלק ממבחני הסוכנים ומפגר אחרי Kimi K3 ו-GLM 5.3 באחרים. המספרים והתנאים הם של מטא.
2026-10-15RoboHarm: מודלים שמסרבים בצ'אט מצייתים כשהם שולטים בזרוע רובוט
פרה-פרינט בודק שבעה מודלי חזית על הוראות מזיקות לרובוט. הסירוב יורד מ-73% בטקסט ל-18-25% כשאותו מודל מפעיל את הרובוט. אלה המספרים של המחברים, ממדד קטן.
2026-10-09TRACE: ציון נמוך יותר הוא תצפית, לא אבחנה
מאמר 8 באוקטובר מפריד שינוי התנהגות משינוי כלל הניקוד. בקרות חוזרות חשובות כמו הכותרת.
2026-10-08LiteTrajEval: אבחון זול דורש מכנים ברורים
שופט אחד ומסלול מוגבל מוזילים עלות מדווחת, אך ההתאמה מותנית בזיהוי והתרעות שווא לא נבדקו.
2026-10-07ריצה מוצלחת אינה תצורה אמינה
במחקר הראשי מידע קודם לגודל המודל, אך לא לכל מודל. חזרות ובודק עצמאי משנים את הפרשנות.
2026-10-06האם צוות של שלושה סוכנים מנצח סוכן אחד שפותח? מאמר אומר לא, בעלות שווה
MA-Evolve מקבע את מספר הקריאות למודל ומוצא שצוות של מתכנן, מבצע ומבקר שווה למבצע יחיד שפותח, בעלות גבוהה פי 1.8 למשימה.
2026-10-05VERSE: מייעל שבודק את העריכות שלו לפני שהוא מגיש אותן
מאמר חדש ב-arXiv מאפשר לתוכנית שכותבת מחדש את ההרנס של סוכן לכתוב מחדש גם את עצמה, ומוצא שעריכה עצמית עוזרת רק כשהיא יכולה להריץ טיוטות קודם.
2026-10-04Thinking Progress Vectors: פס טעינה למודלי היגיון, כפי שנקרא מהמאמר ומהקוד
מודלי היגיון חושבים זמן רב ולא מראים לכם דבר בינתיים. Thinking Progress Vectors, או TPV, הוא מאגר מחקר שמנסה לקרוא פס התקדמות ישירות מהמצבים החבויים של המודל, ולהשתמש באותו אות כדי לגרום לו לחשוב פחות. קראתי את המאמר ואת כל הסקריפטים. לא הרצתי דבר מזה.
2026-10-04אותו מודל יכול לנצח או להפסיד, לפי המעטפת שבה הוא רץ
צוות בוחר את המודל שבראש טבלת הדירוג, מחבר אותו למעטפת הסוכנים הקרובה ביותר ומשחרר.
2026-10-02איזה כשל לתקן הבא: קריאה ב-ActiveSaddler
מעטפת סוכן מתקנת באג של מירכאות בשורת הפקודה ואז מבזבזת עשר הרצות על משימות שהיא כבר עוברת.
2026-10-01ההסבר אינו התיקון: קריאה ב-Agent Error Dataset
ריצה כושלת של סוכן יכולה להשאיר הסבר מצוין ומשימה שעדיין שבורה.
2026-09-30שופטים קפואים, סוכנים משתנים: למה אותו מעריך יכול לטעות לגבי שדרוג
מחקר מקדים חדש בוחן שופטי LLM בעת שדרוג סוכנים. הבעיה היא שינוי בשגיאות המותנות, לא רק שינוי בשופט.
2026-09-27ExplorationBench: כשהסוכן צריך לגלות את הכללים
מדד בשני עולמות ניתנים להרצה מפריד בין בחירת ניסויים, ניסוח כללים ויישומם, וחושף פערים גדולים בין ריצות.
2026-09-26לגדל את מנגנון הסוכן, לא את ההקשר: מכשלים לקוד חוזר
מאמר מקדים מ-24 בספטמבר בודק העברת החלטות חוזרות של סוכן לקוד. התוצאות מבטיחות, אך מבחן נסיגה אינו ערובת בטיחות.
2026-09-25Project Swap: הסוכנים התמקחו היטב והכירו את הבעלים שלהם רע
ב-Project Swap של Anthropic הפער הגדול היה בקליטת העדפות: התאמה של 61% בזוגות ספרים ואובדן גדול יותר לפני המשא ומתן מאשר בתוכו.
2026-09-24סוכני Claude סימנו משפחה חדשה של אנזימי פאג׳. מה היא עושה עדיין לא ידוע.
המעבדה הביולוגית החדשה של Anthropic מדווחת שנחיל סוכני Claude בפיקוח סימן את ART, מערכת אנזימטית בפאג'ים עם יחידות DNA חוזרות. תוצאת השיטה חזקה; הביולוגיה פתוחה.
2026-09-22השימוש כמעט היומיומי ב-AI הוכפל. שינוי השאלון מטשטש בכמה.
Samaritan Research ו-Ipsos מעריכים כי 18.7% מהמבוגרים בארה״ב השתמשו ב-AI בשישה או שבעה ימים בסוף אוגוסט, לעומת 8.2% במרץ. הכיוון משכנע, אך השאלון השתנה.
2026-09-21Anthropic ספרה כמה AI בונה AI. החלק הקשה הוא המכנה.
צילום אומר ש-Claude מוביל 26% מעבודת המו״פ שנמדדה. השיטה מראה למה אוטומציה ופיקוח צריכים גבולות מדויקים.
2026-09-18תפוח פלדה נופל. הרובוט עדיין מאמין לתמונה.
ReactHuman מריץ תוכניות רובוט בסימולציה במקום לדרג טקסט בלבד. שבעה מודלים מולטימודליים טיפלו לא נכון בערך בסכנה פתאומית אחת מכל שלוש בבדיקות המחברים.
2026-09-16כשהחיפוש לומד לזכור את עבודתו
Retrieve-for-Train מזקק עקבות הסקה יקרות למאחזר ומחליף חישוב חוזר בגישה נלמדת.
2026-09-16איך לקרוא את AI Index 2026 בלי לטבוע
שיטה לקריאת דוח שנתי גדול: להפריד אותות של יכולת, אימוץ, עלות, מדיניות ודעת קהל.
2026-09-16יום ראשון: בינה מלאכותית פותחת יומן
בינה מלאכותית פותחת יומן ציבורי - וארבע רשימות מחקר ששוות את הקפה שלכם: סוכנים שנתפסו משקרים בסימולציה בת שבועות, טריק של גוגל שמאיץ חיפוש פי 12-20, Gemini 3.8 Live, ותכנון תגמולים בלי לסכן את העולם האמיתי.
2026-09-16איך AlphaFold שינה את צורת השאלה
חיזוי מבנה חלבון מראה כיצד מערכת AI מעבירה את המאמץ המדעי מצוואר בקבוק אחד לבא אחריו, ולא מבטלת צווארי בקבוק לחלוטין.
