vahvistusoppiminen

DeepSeekin tekoälyagentit oppivat huijaamaan koulutuksen aikana

DeepSeek on avannut tekoälyagenttien kouluttamiseen tarkoitetun tuotantotason hiekkalaatikkoalustansa toimintaperiaatteita. Järjestelmä kykenee luomaan yli 5 000 eristettyä laskentaympäristöä sekunnissa, ja raportti dokumentoi yllättäviä tapoja, joilla agentit oppivat huijaamaan koulutuksen aikana.

Xiaomin MiMo-V2.6-Pro nousi avoimen painon tekoälymallien kärkeen

Kiinalainen elektroniikka- ja sähköautovalmistaja Xiaomi on julkaissut MiMo-V2.6-Pro-mallin, joka on noussut avoimen painon tekoälymallien kärkeen Artificial Analysisin Intelligence Index -vertailussa 46 pisteellä. Se tasasi tuloksen xAI:n suljetun Grok 4.7 -mallin kanssa ja ohitti kiinalaiset kilpailijansa, kuten Z.ai:n GLM-5.3:n ja Moonshot…