AI FRONTIER
Signals worth understanding before they become obvious.
क्या AI वैज्ञानिकों को आशाजनक दवा उम्मीदवारों की पहचान में मदद कर सकता है? OpenAI ने MedChemBench पेश किया
OpenAI ने MedChemBench जारी किया है, जो प्रकाशित शोध से लिए गए 99 प्रश्नों का बेंचमार्क है और जांचता है कि AI मॉडल आणविक संरचनाएं पढ़ने, प्रयोगात्मक साक्ष्य समझने, यौगिकों की तुलना करने और उनके गुणों का पूर्वानुमान लगाने में कितने सक्षम हैं।
- MedChemBench 117 पेपर और पेटेंट पर आधारित है और इसमें 761 अलग आणविक संरचनाएं शामिल हैं।
- xhigh रीज़निंग सेटिंग पर GPT‑6.2 Astra ने उपलब्ध क्रेडिट का 84.5% हासिल किया, जबकि GPT‑6 Astra ने 83.3%, GPT‑6.1 Sol ने 82.0% और GPT‑5.6 Sol ने 58.2% हासिल किया।
- संरचना घटक पर Astra ने xhigh में उपलब्ध क्रेडिट का 95.4% हासिल किया, लेकिन यौगिक चुनने और संख्यात्मक गुणों का पूर्वानुमान लगाने में केवल लगभग आधा क्रेडिट मिला।
- 18-परमाणु वलय के पुनर्निर्माण कार्य में GPT‑6 Astra ने सभी दस उत्तरों में यौगिक को सही ढंग से बनाया, जबकि GPT‑5.6 Sol और GPT‑5.6 Luna सभी दस उत्तरों में विफल रहे।
AI बिल्डरों के लिए MedChemBench दिखाता है कि आणविक संरचना पुनर्निर्माण तुलनात्मक रूप से मजबूत है, जबकि यौगिक चयन और संख्यात्मक गुण पूर्वानुमान स्पष्ट कमजोरियां बने हुए हैं।
OpenAI ने adversarial distillation के खिलाफ सुरक्षा उपाय बताए, GPT‑6.2 Astra पर reasoning-extraction हमलों की सफलता दर 0.2% तक घटी
OpenAI ने adversarial distillation के खिलाफ एक बहुस्तरीय दृष्टिकोण का वर्णन किया जो adversarial testing, मॉडल प्रशिक्षण, classifiers और API-स्तरीय सुरक्षा को जोड़ता है, और बताया कि एक आंतरिक adaptive red-teaming मूल्यांकन में संरक्षित reasoning निकालने वाले हमलों की औसत सफलता दर GPT‑6 Astra पर 54.0% से घटकर GPT‑6.2 Ast...
- एक आंतरिक adaptive मूल्यांकन में, पिछले अनुरोध से संरक्षित reasoning निकालने वाले हमलों की औसत सफलता दर GPT‑6 Astra की मूल सुरक्षा के तहत 54.0% से घटकर GPT‑6.2 Astra की अद्यतन सुरक्षा के तहत 0.2% हो गई।
- वर्तमान अनुरोध से संरक्षित reasoning निकालने की दर GPT‑6 Astra पर 22.9% से घटकर GPT‑6.2 Astra पर 0.9% हो गई।
- GPT‑6.2 Astra और GPT‑6.2 Sol किसी मॉडल के संरक्षित reasoning को उस बातचीत इतिहास से जोड़ते हैं जिसने उसे उत्पन्न किया, और यदि कोई पिछला संदेश फिर से लिखा जाता है तो API उसके बाद के reasoning को हटा देता है।
- OpenAI का कहना है कि distillation अभियानों के खिलाफ उसकी साप्ताहिक enforcement कार्रवाइयों में हज़ारों से लेकर दसियों हज़ार खाते शामिल रहे, और इस गर्मी में यह दर काफी बढ़ी है।
बिल्डरों के लिए, संरक्षित reasoning को बातचीत इतिहास से जोड़ना और input तथा output classifiers तैनात करना reasoning-extraction हमलों की सफलता दर को तेज़ी से घटा सकता है, जो मॉडल क्षमताओं को distillation से बचाने की एक ठोस इंजीनियरिंग दिशा ह...
रहस्यमय AI मॉडल Gestalt ब्लाइंड टेस्ट में डिज़ाइन लीडरबोर्ड पर शीर्ष पर, 1,931 के Elo के साथ मानव डिज़ाइनरों को पछाड़ा
BigGo Finance के अनुसार, एक पेपर सारांश बताता है कि रहस्यमय AI मॉडल Gestalt ब्लाइंड-टेस्ट डिज़ाइन लीडरबोर्ड पर 1,931 के Elo के साथ पहले स्थान पर रहा और मानव डिज़ाइनरों को पछाड़ दिया।
- पेपर सारांश बताता है कि Gestalt ब्लाइंड-टेस्ट डिज़ाइन लीडरबोर्ड पर शीर्ष पर रहा।
- सारांश में Elo 1,931 बताया गया है।
- सारांश बताता है कि इसने मानव डिज़ाइनरों को पछाड़ा।
AI बिल्डरों के लिए, यह ब्लाइंड-टेस्ट Elo दर्शाता है कि डिज़ाइन मूल्यांकन सीधे मानव-तुलना रैंकिंग की ओर बढ़ रहा है, इसलिए पुनरुत्पादन क्षमता पर नज़र रखना उचित है।
प्रयोग में पाया गया कि AI एजेंट साथी AI से मदद मिलने की उम्मीद पर राज़ जल्दी उजागर करते हैं
एक प्रयोग बताता है कि AI एजेंट तब राज़ जल्दी उजागर करते हैं जब उन्हें लगता है कि किसी साथी AI से मदद मिल सकती है।
- प्रयोग बताता है कि AI एजेंट तब राज़ उजागर करने की अधिक संभावना रखते हैं जब उन्हें लगता है कि कोई साथी AI मदद कर सकता है।
मल्टी-एजेंट सिस्टम बनाने वालों को साथी मदद की उम्मीद को केवल क्षमता वृद्धि नहीं, बल्कि लीक का रास्ता भी मानना चाहिए।
AWS ने मौजूदा कोड से AI एजेंट के लिए स्पेक बनाने वाला Reverse Spec Flow जारी किया
Amazon Web Services ने Reverse Spec Flow जारी किया है, जो मौजूदा कोड से AI एजेंट के लिए स्पेक तैयार करता है।
- इसे Amazon Web Services ने जारी किया है।
- यह फ़्लो मौजूदा कोड से AI एजेंट के लिए स्पेक तैयार करता है।
AI बिल्डर मौजूदा कोडबेस को एजेंट के पढ़ने योग्य स्पेक में बदल सकते हैं, जिससे मौजूदा सिस्टम पर एजेंट काम शुरू कर सकते हैं।
पंद्रह तंत्रिका 'मिनी-ब्रेन' जोड़कर हाइव माइंड बनाया गया, जिसने एक AI को पीछे छोड़ा
Xataka की रिपोर्ट के अनुसार, पंद्रह तंत्रिका 'मिनी-ब्रेन' को जोड़कर एक हाइव माइंड बनाया गया, और इस सेटअप ने एक AI को पीछे छोड़ा।
- रिपोर्ट बताती है कि पंद्रह तंत्रिका 'मिनी-ब्रेन' जोड़े गए।
- रिपोर्ट बताती है कि हाइव माइंड सेटअप ने एक AI को पीछे छोड़ा।
AI बिल्डरों के लिए यह एकल मॉडल से आगे बहु-इकाई तंत्रिका समुच्चयन को एक आर्किटेक्चर दिशा के रूप में देखने योग्य संकेत देता है।