https://thecleanpaper.com/af/ Wat die artikel sê. Wat dit nie sê nie. Waarom dit saak maak. af https://thecleanpaper.com/af/ki-produktiwiteit-ervare-ontwikkelaars/ https://thecleanpaper.com/af/ki-produktiwiteit-ervare-ontwikkelaars/ 'n Gerandomiseerde gekontroleerde proef van METR het sestien ervare oopbron-ontwikkelaars 246 werklike take laat voltooi op kodebasisse wat hulle goed geken het, met KI-gereedskap van vroeg 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) toegelaat op 'n lukraak gekose helfte. Hulle het verwag KI sou hulle taaktyd met sowat 24% verkort; in plaas daarvan het dit die tyd met 19% verhoog — en agterna het hulle steeds geglo hulle was sowat 20% vinniger. Daardie persepsiegaping is die skerp, robuuste kern van die studie. Maar dit is sestien ontwikkelaars, een nou opset en 'n vaste momentopname van vroeg 2025: die outeurs is uitdruklik daaroor dat die resultaat nie na die meeste ontwikkelaars veralgemeen kan word nie — of KI hulle help, bly oop — en hulle eie opvolg van 2026 wys reeds in die rigting van 'n versnelling, met sy eie voorbehoude. https://thecleanpaper.com/af/kwantumgeheue-onder-die-drempel/ https://thecleanpaper.com/af/kwantumgeheue-onder-die-drempel/ Google Quantum AI het vir die eerste keer skoon gewys dat 'n surface-code-kwantumgeheue onder die drempel kan loop: soos hulle die kode van afstand 3 deur 5 na 7 laat groei het, het die logiese foutkoers eksponensieel gedaal (omtrent 2,14× per twee treë), en die grootste, 'n afstand-7-geheue met 101 kwbits, het sy beste fisiese kwbit oorleef — beyond breakeven — met foutkorreksie wat intyds geloop het. Dit is 'n lank gesoekte ingenieursmylpaal. Dit is óók 'n enkele logiese kwbit wat as geheue dien, teen 'n foutkoers steeds ver van wat werklike algoritmes nodig het, met geen uitgevoerde logiese bewerkings nie, 'n onverklaarde foutvloer wat die outeurs self aanmerk, en ordes van grootte se skalering wat voorlê. 'n Drempel oorgesteek, nie 'n rekenaar afgelewer nie. https://thecleanpaper.com/af/large-behavior-models-versigtige-evaluasie/ https://thecleanpaper.com/af/large-behavior-models-versigtige-evaluasie/ Die Toyota Research Institute het "large behavior models" opgelei — robot-policies vooropgelei op ~1 700 uur uiteenlopende manipulasiedata — en dié teen van-nuuts-af opgeleide eentaak-policies getoets met ongewone strengheid: blinde, gerandomiseerde proewe met groot steekproef (~1 800 werklik, meer as 47 000 in simulasie) met werklike statistiek. Ná finetuning per taak het die groot modelle gemiddeld beter gevaar, ongeveer 3–5× minder taakspesifieke data benodig en was robuuster by verskuiwende toestande; die prestasie het gelykmatig gestyg met meer vooropleidingsdata. Maar sonder finetuning het hulle eentaakmodelle nie konsekwent geklop nie, verskeie effekte was klein genoeg dat net die groot steekproewe hulle onthul het, en 'n alledaagse datanormalisering-keuse het meer getel as die argitektuur. Dit is gematigde steun vir die rigting van die robot-foundation-modelle — geen universele robot, geen zero-shot-generalis, geen "emergente sprong" nie — plus 'n gepunte waarskuwing dat 'n groot deel van die robotika moontlik ruis meet. https://thecleanpaper.com/af/waarom-taalmodelle-hallusineer/ https://thecleanpaper.com/af/waarom-taalmodelle-hallusineer/ Die selfversekerde onwaarhede wat ons "hallusinasies" noem, is geen misterieuse fout nie: 'n deel is 'n statistiese byproduk van opleiding, en hulle bly voortbestaan omdat hoofstroommaatstawwe 'n selfversekerde raaiskoot hoër beloon as 'n eerlike "ek weet nie". 'n Gevallestudie op vier voorste modelle wys dat die noem van die puntereëls in die opdrag ("oop rubrieke") daardie aansporing omkeer.