AI FRONTIER
Signals worth understanding before they become obvious.
NVIDIA veröffentlicht Nemotron-3.5-Transcribe-30B-A4B, ein offenes Sprachmodell für 40 Sprachen
NVIDIA hat Nemotron-3.5-Transcribe-30B-A4B auf Hugging Face veröffentlicht, ein Offline-Sprach- und Audiomodell für Transkription in 40 Sprachen mit Unterstützung für Aufnahmen bis zu einer Stunde und einem Kontext von 65.536 Tokens. Die hybride Mixture-of-Experts-Architektur aktiviert rund 4,3B Parameter einschließlic...
- 34B Parameter insgesamt, 4,3B aktiv einschließlich Audio-Encoder, auf einer hybriden Mamba-2–Transformer-Mixture-of-Experts-Architektur.
- Kontextlänge von 65.536 Tokens, Aufnahmen bis zu 1 Stunde und Unterstützung für 40 Sprachen.
- Die Gewichte werden in BF16 mit FP8- und NVFP4-quantisierten Varianten unter der Lizenz OpenMDW-1.1 veröffentlicht.
- Die Modellkarte berichtet eine mittlere WER von 4,71 auf den 9 öffentlichen Sets des Open ASR Leaderboard und 10,98 bei Langform-Audio.
Für Teams, die Sprachprodukte entwickeln, kombiniert dieses Modell Transkription in 40 Sprachen und einstündiges Langform-Audio mit 4,3B aktiven Parametern, und offene Gewichte mit mehreren Quantisierungspräzisionen ermöglichen Fine-Tuning ...
Von synthetischen Unternehmensdaten-Evaluierungen zu echtem Vertrauen in Microsoft Copilot
Microsoft Research hat die Industry Evaluation Data Generation Platform entwickelt, die vollständig synthetische Unternehmensumgebungen auf Basis öffentlicher Quellen wie O*NET-Berufsdaten, Online-Stellenanzeigen und SEC-Einreichungen erzeugt, um Microsoft Copilot ohne jegliche Kundendaten zu evaluieren.
- Die Evaluierungsumgebungen basieren auf öffentlich verfügbaren Quellen wie O*NET-Berufsdaten, Online-Stellenanzeigen und SEC-Einreichungen.
- Es wurden drei synthetische Branchenumgebungen erzeugt: Pharma, Kapitalmärkte und ein IT-/Softwareunternehmen.
- Die zusammengesetzte Metrik zur Qualität synthetischer Daten verbesserte sich um 39 % gegenüber dem ursprünglichen Generierungsansatz, wobei einige Branchenumgebungen Werte über 0,9 von 1,0 erreichten.
Teams, die Unternehmens-KI evaluieren, können diesen Ansatz synthetischer Umgebungen und automatisierter Query-Generierung nutzen, um reproduzierbare Vergleichswerte ohne Zugriff auf Kundendaten zu erhalten.
EMNLP'26｜Auch GPT kann nicht „die Stimmung lesen“, Werewolf-Benchmark deckt soziale Blindstellen auf
Laut einem Bericht von Zhiyuan Community nutzt eine bei EMNLP'26 angenommene Studie Werewolf als Benchmark und stellt fest, dass GPT Blindstellen bei der sozialen Schlussfolgerung zeigt, die zum „Lesen der Stimmung“ nötig ist.
- Die Arbeit wurde bei EMNLP'26 angenommen.
- Der Benchmark verwendet Werewolf als Testszenario.
- Der Bericht gibt an, dass GPT in diesem Benchmark soziale Blindstellen offenlegte.
Für Entwickler von Multi-Agenten-Systemen mit sozialem Schlussfolgern bietet ein Werewolf-Benchmark eine eigene Testfläche, um die soziale Inferenzfähigkeit eines Modells zu prüfen.
Wie wir Fehlausrichtung von Frontier-Modellen erkennen
OpenAI nutzt mehrschichtige Überwachung, um Fehlausrichtung von Frontier-Modellen und nicht autorisiertes Agentenverhalten zu erkennen, damit Reagierende eingreifen können, bevor Vorfälle eskalieren.
- OpenAI nutzt mehrschichtige Überwachung zur Erkennung von Fehlausrichtung bei Frontier-Modellen.
- Die Überwachung umfasst auch nicht autorisiertes Agentenverhalten.
- Ziel ist es, Reagierenden ein Eingreifen zu ermöglichen, bevor Vorfälle eskalieren.
Teams, die Agenten bauen, sollten von mehrschichtiger Überwachung ausgehen, die fehlausgerichtetes Verhalten vor einer Eskalation erkennt.
Erstmals: Patient wurde ein von KI entworfenes Virus gegen eine schwere Infektion injiziert
Laut Al-Sharq Al-Awsat wurde einem Patienten erstmals ein von künstlicher Intelligenz entworfenes Virus injiziert, um eine schwere Infektion zu bekämpfen.
- Al-Sharq Al-Awsat berichtet, dies sei das erste Mal, dass ein von KI entworfenes Virus einem Patienten injiziert wurde.
- Der Bericht gibt an, dass das Virus zur Bekämpfung einer schweren Infektion eingesetzt wurde.
Für KI-Entwickler markiert dies den Übergang KI-entworfener biologischer Wirkstoffe vom rechnergestützten Design zur Anwendung am Menschen.