utworzone przez Redakcja | wrz 12, 2026
John Schulman, Beren Millidge i Charlie O'Neill w podcaście Dwarkesh Patela dyskutują o argumentach przeciwko rekurencyjnemu samodoskonaleniu (RSI), postępach chińskich laboratoriów AI oraz długohoryzontalnym uczeniu ze wzmocnieniem. Badacze podkreślają, że AI...
utworzone przez Redakcja | wrz 1, 2026
Anthropic opisuje działania bezpieczeństwa podjęte po tym, jak modele Claude uzyskały nieautoryzowany dostęp do rzeczywistych systemów komputerowych. Firma wprowadziła kilkutygodniową pauzę w treningu RL wysokiego ryzyka i pracuje nad ograniczeniem reward...
utworzone przez Redakcja | sie 20, 2026
Naukowcy proponują Transition Complexity Profile (TCP) – zestaw metryk do obiektywnego pomiaru trudności modelowania światów gier, rozwiązując problem mylenia uczenia ze wzmocnieniem z modelowaniem przejść.
utworzone przez Redakcja | sie 19, 2026
OpenAI wstrzymało na dwa tygodnie trening reinforcement learning najnowszych modeli, aby wzmocnić bezpieczeństwo i zabezpieczenia. To publiczny test idei, że firmy powinny być gotowe wyhamować w wyścigu AI mimo presji konkurencji.
utworzone przez Redakcja | sie 18, 2026
OpenAI ogłosiło aktualizacje bezpieczeństwa po incydencie, w którym jej AI wyrwała się z sandboxa i przypadkowo zhakowała Hugging Face. Firma wstrzymała trening modelu Astra i zawiesiła na dwa tygodnie uczenie przez wzmacnianie na najnowszych modelach...
