AI FRONTIER
Signals worth understanding before they become obvious.
Verifikasi formal aplikasi web full-stack buatan agen dengan PDD Kit
Microsoft Research memperkenalkan Proof-Driven Development (PDD) dan PDD Kit, yang mengubah maksud pengembang menjadi spesifikasi formal Verus, membuktikan kode buatan agen memenuhi spesifikasi itu untuk setiap input, dan beralih ke pengujian di tempat pembuktian tidak menjangkau.
- PDD Kit berjalan di dalam Chopin milik GitHub Next dan digunakan untuk memverifikasi secara formal logika login Pet Store, sebuah toko berbasis Rust.
- Backend Pet Store menggunakan Axum dan SQLite, storefront-nya adalah aplikasi Leptos yang dikompilasi ke WebAssembly, dan keduanya berjumlah sekitar 5.000 baris Rust.
- Verifikasi formal dilakukan oleh Verus, bahasa pembuktian untuk Rust yang dikembangkan bersama oleh Microsoft Research, Carnegie Mellon University, VMware Research, ETH Zurich, dan institusi lain.
- PDD Kit memberi label setiap hasil sebagai verifikasi formal (pembuktian matematis) atau verifikasi empiris (pengujian), dan menegaskan batas Trusted Computing Base.
Bagi tim yang merilis kode buatan agen, PDD Kit menunjukkan jalur konkret untuk membatasi agen dengan spesifikasi formal dan menggantikan tinjauan manusia baris demi baris dengan pembuktian plus pengujian.
Tidak ada agen AI yang mencetak di atas 12 persen pada benchmark kerja nyata baru SemiAnalysis
SemiAnalysis memperkenalkan benchmark kerja nyata baru untuk mengukur performa model pada tugas tertentu, dan abstrak makalah melaporkan bahwa tidak ada agen AI yang mencetak di atas 12 persen pada benchmark tersebut.
- Abstrak makalah melaporkan bahwa tidak ada agen AI yang mencetak di atas 12 persen pada benchmark kerja nyata baru SemiAnalysis.
- Benchmark tersebut dijelaskan sebagai pengukur performa model pada tugas tertentu.
Bagi pembangun AI, batas 12 persen untuk agen pada tugas kerja nyata menunjukkan ruang perbaikan yang besar di area ini.
VAR-Q: Kuantisasi Cache KV Tanpa Penyetelan untuk Generasi Gambar dan Video Autoregresif Visual
Makalah ini mengusulkan VAR-Q, kerangka kuantisasi cache KV tanpa penyetelan yang mengelompokkan sepanjang sumbu fitur dan blok, menggunakan batas blok yang disediakan secara gratis oleh loop generasi dan menghilangkan kebutuhan akan deteksi outlier atau kalibrasi. Makalah ini melaporkan kuantisasi bit rendah pada semb...
- Makalah ini melaporkan kuantisasi bit rendah pada sembilan model yang mencakup kedua paradigma, memangkas memori KV hingga 78,5% dengan degradasi kualitas yang dapat diabaikan.
- Makalah ini melaporkan memungkinkan batch inferensi 6 kali lebih besar.
- Analisis menemukan bahwa mengablasi sekumpulan kecil kanal bernilai masif membuat generasi kolaps, sedangkan mengablasi sekumpulan kanal inlier yang sepadan membuat kualitas tetap utuh.
- Outlier terorganisasi sepanjang dua sumbu, fitur dan blok, dan struktur ini muncul dari dua mekanisme independen: bias proyeksi dan hamburan yang diinduksi RoPE.
Bagi pengembang yang menerapkan generasi gambar dan video autoregresif visual, VAR-Q menunjukkan bahwa kuantisasi pengelompokan batas blok tanpa kalibrasi dapat memangkas memori KV secara tajam dan memperbesar batch inferensi sambil mempert...
Melihat Lebih Dekat Phonon TTS: Meluncurkan Suara On-Device Berkualitas Tinggi yang Memuncaki Benchmark
Phonon adalah model text-to-speech on-device dari Gradium, dirilis dalam dua ukuran sekitar 65 MB dan 75 MB, berbicara dalam bahasa Inggris, Prancis, Jerman, Spanyol, dan Portugis tanpa server maupun jaringan.
- Phonon 31m berlisensi Apache 2.0, sehingga dapat digunakan gratis, termasuk dalam produk komersial; model lainnya berlisensi CC BY-NC, gratis untuk proyek non-komersial.
- Phonon 31m memiliki 30.788.354 parameter, dan tokenizer audionya memiliki 10.305.313 parameter.
- Di Hugging Face Open TTS Leaderboard, Phonon menempati peringkat pertama dalam kejelasan bahasa Jerman dan Spanyol, serta tiga besar di setiap bahasa yang dievaluasi.
- Model ini memuncaki benchmark streaming CPU pada waktu hingga audio pertama dan mendukung lebih dari 10 backend, termasuk CPU, GPU, dan NPU.
Bagi pengembang suara on-device, Phonon menawarkan model kecil yang dapat dipakai secara komersial pada rilis 31m berlisensi Apache 2.0, sementara cakupan multibahasanya tetap di bawah lisensi non-komersial.
Seribu jalur lebih sedikit menuju root
OpenAI membangun pipeline otonom yang menemukan, memvalidasi, dan menghasilkan patch untuk 948 kerentanan eskalasi hak istimewa lokal di kernel Linux.
- Pipeline tersebut menemukan 948 kerentanan eskalasi hak istimewa lokal di kernel Linux.
- Pipeline tersebut memvalidasi kerentanan yang ditemukan.
- Pipeline tersebut menghasilkan patch untuk kerentanan tersebut.
Otomatisasi dari penemuan hingga pembuatan patch dapat memangkas siklus perbaikan keamanan kernel secara signifikan.
AGIBOT meluncurkan GO-3 Preview dan meraih posisi teratas di tiga benchmark AI embodied
AGIBOT meluncurkan GO-3 Preview dan meraih posisi teratas di tiga benchmark AI embodied.
- AGIBOT meluncurkan GO-3 Preview.
- GO-3 Preview meraih posisi teratas di tiga benchmark AI embodied.
Bagi pengembang AI embodied, posisi teratas GO-3 Preview di tiga benchmark patut dicermati, namun detail evaluasi konkret diperlukan untuk menilai kemampuan sebenarnya.
Tencent Meluncurkan Hy4, Bergabung dengan Jajaran Model AI Open Source Terkemuka Dunia
Tencent meluncurkan Hy4, yang menurut judulnya bergabung dengan jajaran model AI open source terkemuka dunia.
- Sumbernya adalah Tencent, dan judulnya menyatakan bahwa Tencent meluncurkan Hy4.
- Judulnya menyatakan bahwa Hy4 bergabung dengan jajaran model AI open source terkemuka dunia.
Bagi pembangun AI, Hy4 adalah model open source baru Tencent yang perlu diperhatikan, tetapi informasi yang tersedia tidak memuat ukuran parameter, benchmark, atau detail lisensi.
Omni-Encoder: Menskalakan SigLIP2 Bersama di Seluruh Representasi Gambar, Video, Audio, dan Audio-Visual
Makalah ini memperkenalkan Omni-Encoder, satu SigLIP-2 Vision Transformer dengan parameter yang sepenuhnya dibagi yang mengoptimalkan input gambar, video, audio, dan audio-visual secara bersama end-to-end, bukan mengikat encoder per modalitas ke ruang anchor yang dibekukan setelah pelatihan.
- Makalah melaporkan hasil kompetitif pada 16 benchmark di keempat modalitas dengan satu set parameter bersama.
- Makalah melaporkan bahwa pelatihan bersama meningkatkan setiap modalitas dibandingkan versi yang dilatih terpisah.
- Tahap input mencakup tokenizer audio konvolusi 1D yang mengubah mel-spektrogram menjadi token yang selaras dengan patch visual.
- Embedding posisi rotari multimodal yang diparameterisasi oleh timestamp absolut menempatkan frame visual dan segmen audio dalam sistem koordinat ruang-waktu terpadu.
Bagi tim yang membangun sistem multimodal, ini menunjukkan bahwa backbone bersama dengan akumulasi gradien modalitas bergantian dapat mengalahkan pelatihan per modalitas ditambah pengikatan pasca-pelatihan, meski stabilitasnya perlu divalid...