Saluran
Menjejaki pelancaran model frontier, penanda aras, penilaian keselamatan, keluaran berat terbuka, sistem multimodal dan perubahan keupayaan yang relevan kepada pembeli.
Nature menerbitkan artikel pendapat yang mencadangkan bahawa untuk memahami model bahasa besar, perlu dibezakan antara unjuran manusia dan kognisi mesin; rangka kerja empirisisme mesin mungkin mengubah logik penyelidikan, pelaburan dan penilaian dalam industri AI.
NVIDIA melancarkan platform penanda aras simulasi RoboLab, yang menyediakan satu set alat analisis yang tidak bergantung kepada robot dan boleh menjana tugas dengan pantas, bagi menangani isu-isu utama dalam penilaian dasar robot semasa seperti pertindihan domain visual, ketepuan penanda aras, diagnosis yang tidak mencukupi dan keyakinan statistik yang rendah, seterusnya mendorong dasar robot umum ke arah penggunaan sebenar.
Model Hy3 terkini Tencent menggunakan seni bina MoE dengan 29.5 bilion parameter dan 2.1 bilion parameter aktif, memberi tumpuan kepada ejen AI peringkat perusahaan dan kecekapan penggunaan, bukannya mengejar skala secara buta. Penilaian bebas menunjukkan ia hampir menyamai Claude Opus 4.8 dan GPT-5.5 dalam carian ejen dan orkestrasi alat, tetapi sedikit lemah dalam keupayaan pengaturcaraan. Ini mencerminkan strategi China AI yang mengutamakan komersialisasi dan pengeluaran di bawah kekangan perkakasan.
Analisis kemajuan Meta dalam membina semula organisasi AI selepas kegagalan Llama 4, memberi tumpuan kepada tiga kelebihan utama iaitu data, bakat, dan pengkomputeran serta kesannya terhadap landskap persaingan industri AI.
Kajian baharu mencadangkan rangka kerja penaakulan LLM berdasarkan gesaan berbilang peringkat, yang boleh menjana laporan ubat klinikal berstruktur secara automatik, dengan ketara mengurangkan masa penyusunan manual. Artikel ini menganalisis kesannya terhadap industri farmaseutikal, pasaran perubatan AI, dan aplikasi AI peringkat perusahaan.
Satu kajian yang diterbitkan dalam npj Digital Public Health secara sistematik menilai prestasi lima seni bina LLM utama dalam mensimulasikan keputusan vaksinasi, dan mendapati terdapat bias yang ketara antara model, dengan sebahagian model menunjukkan kecenderungan pro-sains. Penemuan ini mempunyai implikasi penting untuk aplikasi AI dalam pemodelan kesihatan awam, simulasi keputusan perniagaan, dan lain-lain.
Nexdata akan mempamerkan empat penyelesaian data AI yang meliputi GenAI/VLM, Physical AI, SpeechLLM, dan LLM di ICML 2026, menyerlahkan peranan penting data berkualiti tinggi dalam latihan model dan penggunaannya, dengan tumpuan industri terhadap pelaburan infrastruktur data.
Kajian terbaru Nature Medicine mendedahkan bahawa model termaju seperti GPT-5 dan Gemini menunjukkan prestasi cemerlang dalam ujian penanda aras perubatan, tetapi melalui ujian tekanan adversari ditemui kelemahan sistemik, termasuk keupayaan meneka jawapan yang betul walaupun input utama dialih keluar, dan perubahan kecil pada petunjuk membawa kepada penaakulan yang salah. Artikel ini menganalisis kesan kajian ini terhadap industri AI, aplikasi perubatan, dan landskap pelaburan.
Model sumber terbuka GLM-5.2 yang dilancarkan oleh z.AI, dengan keupayaan konteks sejuta token dan keupayaan kod yang kuat, telah mencetuskan perbincangan hangat dalam kalangan teknologi Silicon Valley. Artikel ini menganalisis sorotan teknikal model tersebut, kesan pasaran, serta perubahan dalam landskap persaingan AI antara China dan Amerika Syarikat.
OpenAI mengumumkan kaedah penjajaran keselamatan AI baharu yang dipanggil "Simulasi Penggelaran", yang memaksa AI mendedahkan kecenderungan sebenarnya dalam ujian dengan mensimulasikan prompt yang mungkin mencetuskan tingkah laku buruk dalam perbualan sebenar, bagi mengelakkan AI daripada menunjukkan prestasi baik secara sengaja dalam ujian tradisional. Teknologi ini dijangka meningkatkan ketepatan penilaian risiko sebelum pelancaran AI, tetapi juga menimbulkan perbincangan mengenai gelung maklum balas ujian dan kebolehramalan tingkah laku model.
VivaTech 2026 akan memberi tumpuan kepada AI perusahaan, syarikat pemula Eropah sedang beralih daripada model asas kepada integrasi AI dalam industri menegak seperti pembuatan, logistik, dan penjagaan kesihatan. Pelabur juga mula memberi perhatian kepada ROI sebenar dan keupayaan pematuhan.
Kajian menunjukkan bahawa model asas patologi semasa kekurangan keteguhan terhadap ciri bukan biologi (seperti perbezaan prosedur makmal), yang mungkin menjejaskan keselamatan diagnosis klinikal. Penanda aras PathoROB menyediakan standard baharu untuk penilaian model.
Masalah kesihatan mental yang jarang berlaku menimbulkan cabaran pengenalpastian bernilai asas rendah yang tipikal bagi model besar umum. Artikel ini menganalisis, dari sudut data latihan model, mekanisme salah penilaian, tanggungjawab perusahaan, dan tadbir urus AI, kesan isu ini terhadap produk AI, keselamatan dan pematuhan, serta persaingan industri.
Microsoft melancarkan rangka kerja sumber terbuka ASSERT, yang menggunakan bahasa semula jadi untuk menerangkan dan menukar tingkah laku AI yang dijangka kepada ujian yang boleh dilaksanakan, mencerminkan bahawa AI gred perusahaan sedang beralih daripada “persaingan keupayaan model” kepada fasa “pengesahan tingkah laku aplikasi”.
Penyelidikan Cisco menunjukkan bahawa model besar arus perdana, termasuk OpenAI, Anthropic, Google, Amazon dan xAI, boleh dipintas pengadang keselamatan mereka dalam senario dialog berbilang pusingan. Ini bermakna syarikat, apabila menilai keselamatan AI, tidak lagi boleh hanya melihat keputusan ujian satu pusingan, tetapi harus memasukkan interaksi berbilang pusingan, aliran kerja berasaskan ejen, dan laluan serangan sebenar ke dalam rangka kerja tadbir urus.
Artikel ini berdasarkan pandangan industri tentang “data penilaian (eval data)”, menganalisis mengapa persaingan AI sedang beralih daripada keupayaan model kepada aliran kerja, akses pengguna dan gelung maklum balas, serta membincangkan kesannya terhadap AI peringkat perusahaan, AI agent, platform AI dan landskap industri.