Tölvunarfræði
Tungumál sem hefur ekki áhrif á hvernig þú hugsar um forritun er ekki þess virði að læra.
— (1982)
Reyndum forriturum fannst þeir vinna hraðar með gervigreind þótt mælingar sýndu að þeir unnu hægar — þetta er raunverulega niðurstaðan, ekki endanlegur dómur um gervigreind við forritun
Í slembuðum samanburði METR unnu 16 reyndir opnir hugbúnaðarforritarar 246 raunverkefni í kóðagrunnum sem þeir þekktu. Þeir bjuggust við um 24% hraðari vinnu með gervigreind en mældur tími varð 19% lengri — og eftir á töldu þeir samt að hún hefði flýtt fyrir þeim. Rannsóknin er þröng mynd frá byrjun árs 2025, ekki almennur dómur um gervigreind við forritun.
Trikkið er ekki að sanna að leyndarmálið sé falið
Núllþekkingarsannanir eiga að sannfæra án þess að afhjúpa vitnið, en klassísk kenning leyfir ekki fulla útgáfu þess með einu skeyti, án trausts upphafs og með fullkomnum hljóðleika. Rahul Ilango breytir markmiðinu: í stað þess að krefjast þess að hermir sé til er krafist að valið sönnunarkerfi geti ekki með skilvirkum hætti sannað að enginn hermir sé til. Undir sterkum forsendum um sönnunarflækju og dulmálsfræði endurheimtir þetta prófanlegar afleiðingar núllþekkingar eiginleika fyrir eiginleika — fræðilegt öryggishugtak, ekki tilbúinn netstaðall.
Persónuverndartrygging er loforð við einstakling, ekki meðaltal
Rannsóknin mælir persónuverndaráhættu sjúklinga hvern fyrir sig í stað þess að treysta einu meðaltali fyrir líkanið. Í sjö læknisfræðilegum gagnasöfnum gátu líkön sem virtust örugg að meðaltali samt gert suma einstaklinga næstum fullkomlega auðkennanlega í membership-inference árás, sérstaklega fólk úr vanfulltrúuðum hópum. „Persónuvernd að meðaltali“ er því ekki trygging fyrir hvern sjúkling.
Að teikna með lokuð augun
Tungumálalíkön sem búa til vigurgrafík skrifa venjulega teikniskipanir án þess að sjá niðurstöðuna. Ný aðferð lætur líkanið fylgjast með striganum meðan það teiknar; að bæta sjóninni einni við gerir frammistöðuna verri, en endurþjálfun kennir líkaninu að nota hana. Niðurstaðan er betri eða sambærileg frammistaða á einu viðmiði með mun minna þjálfunargagnamagni, ekki bylting í almennri sjónrænni greind.
Að svara spurningu er ekki það sama og að reka allt sjúkratilvikið
MIRA vann heil sjúkratilvik inni í hermdu rafrænu sjúkraskrárkerfi: safnaði upplýsingum, pantaði próf, las niðurstöður og setti fram greiningu og fyrirmæli. Á 574 afturvirkum tilfellum fékk kerfið háa greiningarnákvæmni, en það var textabundinn sandkassi á fortíðargögnum, pantaði fleiri blóðpróf og var að hluta metið gegn upprunalegri sjúkraskrá. Þetta er sýning á end-to-end getu, ekki sönnun þess að vél sé betri læknir í raunverulegri þjónustu.
Vélmennagrein sem fjallar í raun um heiðarleika
Vélmennarannsóknin prófar stór hegðunarlíkön sem forþjálfuð eru á fjölbreyttum gögnum og spyr hversu mikið þau flytja milli verkefna, vélmenna og aðstæðna. Niðurstöðurnar sýna gagnlegan flutning en líka skýrar bilanir við dreifingarbreytingu og engin sönnun á almennu zero-shot vélmenni. Hún er fyrst og fremst varkár mat á því hvar foundation-model hugmyndin virkar og hvar ekki.
Af hverju líkön giska — og af hverju við kenndum þeim að gera það
Sjálfsöruggar rangfærslur tungumálalíkana eru að hluta tölfræðileg afleiðing þjálfunar og halda áfram vegna þess að mörg viðmið verðlauna örugga ágiskun en ekki heiðarlegt „ég veit það ekki“. Tilviksrannsókn á fjórum fremstu líkönum sýnir að þegar matsreglurnar eru sagðar skýrt í promptinu breytist þessi hvati. Þetta er bæði fræðileg neðri-marka röksemd og takmörkuð tilraun, ekki ein alhliða skýring á öllum ranghugmyndum.