AI FRONTIER
Signals worth understanding before they become obvious.
NVIDIA merilis Nemotron-3.5-Transcribe-30B-A4B, model suara terbuka untuk 40 bahasa
NVIDIA menerbitkan Nemotron-3.5-Transcribe-30B-A4B di Hugging Face, model suara dan audio offline untuk transkripsi dalam 40 bahasa dengan dukungan rekaman hingga satu jam dan konteks 65.536 token. Arsitektur hybrid mixture-of-experts-nya mengaktifkan sekitar 4,3B parameter termasuk encoder audio, dan tersedia dalam pr...
- Total 34B parameter dengan 4,3B aktif, termasuk encoder audio, pada arsitektur hybrid Mamba-2–Transformer mixture-of-experts.
- Panjang konteks 65.536 token, rekaman hingga 1 jam, dan dukungan untuk 40 bahasa.
- Bobot dirilis dalam BF16 dengan varian terkuantisasi FP8 dan NVFP4 di bawah lisensi OpenMDW-1.1.
- Kartu model melaporkan WER rata-rata 4,71 pada 9 set publik Open ASR Leaderboard dan 10,98 pada audio long-form.
Bagi tim yang membangun produk suara, model ini menggabungkan transkripsi 40 bahasa dan audio long-form satu jam dengan 4,3B parameter aktif, dan bobot terbuka serta beberapa presisi kuantisasi membuat fine-tuning dan self-hosting praktis.
Dari evaluasi data perusahaan sintetis ke keyakinan nyata pada Microsoft Copilot
Microsoft Research membangun Industry Evaluation Data Generation Platform yang menghasilkan lingkungan perusahaan sepenuhnya sintetis berdasarkan sumber publik seperti data pekerjaan O*NET, iklan lowongan kerja daring, dan pengajuan SEC, untuk mengevaluasi Microsoft Copilot tanpa menggunakan data pelanggan.
- Lingkungan evaluasi didasarkan pada sumber yang tersedia untuk publik, termasuk data pekerjaan O*NET, iklan lowongan kerja daring, dan pengajuan SEC.
- Tiga lingkungan industri sintetis dihasilkan: farmasi, pasar modal, dan perusahaan TI/perangkat lunak.
- Metrik komposit kualitas data sintetis meningkat 39% dibandingkan pendekatan pembuatan awal, dengan beberapa lingkungan industri mencapai skor di atas 0,9 dari 1,0.
- Otomatisasi memangkas pembuatan kumpulan data evaluasi dari proses manual berhari-hari menjadi eksekusi otomatis, dengan perkiraan penghematan sekitar $100.000 per kumpulan data dan $300.000 total untuk proyek.
Tim yang mengevaluasi AI perusahaan dapat menggunakan kembali pendekatan lingkungan sintetis dan pembuatan kueri otomatis ini untuk memperoleh baseline yang dapat direproduksi tanpa menyentuh data pelanggan.
EMNLP'26｜GPT juga tidak bisa 'membaca suasana', benchmark Werewolf mengungkap titik buta sosial
Menurut laporan Zhiyuan Community, studi yang diterima di EMNLP'26 menggunakan Werewolf sebagai benchmark dan menemukan bahwa GPT menunjukkan titik buta dalam penalaran sosial yang diperlukan untuk 'membaca suasana'.
- Karya ini diterima di EMNLP'26.
- Benchmark menggunakan Werewolf sebagai skenario pengujian.
- Laporan menyatakan GPT membeberkan titik buta sosial pada benchmark ini.
Bagi pengembang sistem penalaran sosial multi-agen, benchmark bergaya Werewolf menyediakan permukaan uji khusus untuk menguji kemampuan inferensi sosial sebuah model.
Bagaimana kami mendeteksi misalignment model frontier
OpenAI menggunakan pemantauan berlapis untuk mendeteksi misalignment model frontier dan perilaku agen yang tidak sah, sehingga responden dapat melakukan intervensi sebelum insiden meningkat.
- OpenAI menggunakan pemantauan berlapis untuk mendeteksi misalignment model frontier.
- Pemantauan juga mencakup perilaku agen yang tidak sah.
- Tujuannya agar responden dapat melakukan intervensi sebelum insiden meningkat.
Tim yang membangun agen harus mengasumsikan perlunya pemantauan berlapis yang menangkap perilaku tidak selaras sebelum meningkat.
Untuk pertama kalinya, seorang pasien disuntik virus yang dirancang AI untuk melawan infeksi serius
Menurut Al-Sharq Al-Awsat, seorang pasien untuk pertama kalinya disuntik virus yang dirancang oleh kecerdasan buatan untuk melawan infeksi serius.
- Al-Sharq Al-Awsat melaporkan ini adalah pertama kalinya virus yang dirancang AI disuntikkan ke seorang pasien.
- Laporan menyatakan virus tersebut digunakan untuk melawan infeksi serius.
Bagi pengembang AI, ini menandai peralihan agen biologis rancangan AI dari desain komputasional ke penerapan pada manusia.