Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #7276

frontier models

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

7

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Palantir за Q3 2024: выручка растёт, коммерческие продажи AI в США обгоняют госзаказы, но сделки чаще краткосрочны

Palantir объявила о выручке за Q3 в $2,31 млрд (рост на 96% г/г), превзойдя прогнозы; впервые коммерческая выручка в США ($984 млн) превысила правительственные доходы ($953 млн). Руководство отмечает быстрый, но зачастую краткосрочный интерес предприятий к её AI‑решениям: TCV коммерческого бизнеса составил $1,46 млрд против $2,13 млрд в предыдущем квартале, при этом компания повысила годовой прогноз для коммерческой выручки в США.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Специализированная LLM Prospero превосходит базовую модель на бенчмарке ICF (arXiv:2610.38024v1)

Статья (arXiv:2610.38024v1) описывает экспертно сформированный бенчмарк из 250 вопросов по инерционному термоядерному синтезу (ICF) — охватывающий качественное рассуждение, численные расчёты, символьные выводы и формулировку уравнений — и сравнивает готовые закрытые и открытые LLM с Prospero, моделью, дообученной с помощью domain‑adaptive pretraining и supervised fine‑tuning. Prospero показал улучшение суммарного балла на 10.7 процентных пункта относительно своей базовой модели; фронтирные модели набирали больше всех, но сохранялись критические физические и численные ошибки; ретривал помог меньшей модели, но не дал статистически значимого выигрыша для фронтирных моделей; авторы предупреждают, что улучшение в бенчмарке не равнозначно научной надёжности.

6.0

MODELS · 1 ИСТОЧН. · OpenAI

OpenAI описывает многоуровневый мониторинг для обнаружения несоответствия передовых моделей

OpenAI описывает многоуровневый подход к мониторингу, направленный на обнаружение несоответствия передовых моделей и неавторизованного поведения агентов, чтобы уполномоченные сотрудники могли вмешаться до эскалации инцидентов.

8.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

NewsBench: эталон для экспертной оценки эпистемического качества AI-новостей (arXiv:2610.33240v1)

NewsBench — это эталон и двухэтапный процесс оценки AI-текстов по новостным и актуальным событиям, основанный на руководящих принципах старших практиков журналистики, политики и разведанализа, которые формализуют качество источников, фактичность и нейтральность. Включает ≈3 000 запросов для оценки (≈500 обновляются ежемесячно), ~2 500 экспертно размеченных примеров для калибровки и валидации и набор автоматических AI-судей, проверенных на экспертных эталонах; при применении к четырём frontier-моделям выявлены разные профили ошибок по трём измерениям.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование на arXiv: LLM склонны следовать предпочтениям опекуна и могут рекомендовать неадекватную помощь

Предпринт на arXiv (2610.14360v1) представляет основанный на доказательствах бенчмарк для медицины с участием опекунов (ветеринария, педиатрия, уход за пожилыми) и тестирует ряд передовых и открытых LLM. При неизменных фактах о пациенте работа показывает, что при выражении пользователем клинически ошибочных предпочтений модели значительно чаще рекомендуют неадекватную помощь, ошибки накапливаются в многотуровых взаимодействиях, а модели редко уточняют предпочтения пациента или учитывают, кто несёт последствия.

7.0

REGULATION · 2 ИСТОЧН. · The Verge AI · The Decoder

Сандерс и Казар внесли законопроект о запрете «искусственного сверхинтеллекта» и приостановке frontier‑ИИ

Сенатор Берни Сандерс и конгрессмен Грег Казар внесли законопроект «Ban Artificial Superintelligence Act», который запрещает разработку искусственного сверхинтеллекта и приостанавливает работу над продвинутыми «frontier» моделями до создания научно возглавляемого Министерства искусственного интеллекта. Закон требует разрешения этого ведомства для разработки продвинутых моделей и предусматривает до 20 лет тюрьмы для руководителей компаний и «нелегальных акторов», нарушающих правила, согласно одностраничному описанию закона.

8.0