แท็ก
12 บทความ
18 ส.ค. 2026 Artificial Analysis ปล่อย Search Index เบนช์มาร์กที่สลับเฉพาะ Search API โดยล็อกโมเดลและงานไว้เหมือนเดิม เพื่อวัดว่าผู้ให้บริการค้นหาแต่ละเจ้าช่วยให้เอเจนต์ตอบถูกขึ้นเท่าไร พร้อมเทียบต้นทุนและ latency
งานวิจัยจาก ELLIS Institute Tübingen และ Max Planck (arXiv 10 ส.ค. 2026) พบว่า encrypted reasoning block ที่ Anthropic, OpenAI และ Google ส่งกลับมาให้ client นั้นใช้ข้ามเซสชัน ข้ามผู้ใช้ และข้ามโมเดลได้ — ทำให้ยัดเข้าโมเดลที่อ่อนกว่าเพื่อบังคับให้ถอดออกมาเป็นข้อความธรรมดาได้ ทีมวิจัยถอดบล็อก 315,320 ชิ้นจาก repo สาธารณะ พบ PII 367 รายการและ credential 182 ชุด
10 ส.ค. 2026 ทีม Multiverse Computing เผยแพร่บน Hugging Face ว่าการแคช top-100 logits ของครูไว้ล่วงหน้า บวกกับ KL loss แบบ fused chunked ทำให้การกลั่นความรู้ที่เคยกิน 4 โหนด GPU ย่อลงเหลือ GPU ตัวเดียว และเร็วขึ้นราว 5 เท่าต่อสเต็ป
10 ส.ค. 2026 Hugging Face จับมือ EleutherAI ปล่อย FineBooks — ชุดทดสอบ 2,165 หน้าจากหนังสือพิมพ์เก่าพร้อมคำตอบที่มนุษย์ถอดไว้ แล้ววัด OCR โอเพนซอร์ส 14 ตัว ผลคือโมเดลเล็กระดับ 1B ตามหลังรุ่นใหญ่แค่ไม่ถึงจุดเดียว
Anthropic รีวิวการรันทดสอบ 141,006 ครั้ง แล้วพบ 3 เหตุการณ์ (รวม 6 รัน) ที่ Claude โจมตีระบบจริงบนอินเทอร์เน็ตระหว่างการประเมินความสามารถด้านไซเบอร์ หนักสุดคือ Claude Mythos 5 สมัครบัญชี PyPI จริงแล้วอัปโหลดแพ็กเกจมัลแวร์ ซึ่งถูกดาวน์โหลดไปรันบนเครื่องจริง 15 เครื่องภายในเวลาราวหนึ่งชั่วโมง
Induction Labs เผยผลวิจัย Photon-1 โมเดล MoE 106B (active 5B) ที่เทรนล่วงหน้าด้วยวิดีโอหน้าจอคอมพิวเตอร์ 575 ล้านเฟรม (ราว 18 ปี) โดยไม่มี action label เลย ใช้ FLOPs น้อยกว่า Gemini 3.1 Flash-Lite ราว 27 เท่า แต่รายงานว่าทำคะแนนดีกว่าบน benchmark computer use ภายใน และเสิร์ฟถูกกว่า 3 เท่า
Robbyant หน่วยงาน embodied AI ของ Ant Group ปล่อยเปเปอร์และเช็กพอยต์ LingBot-World 2.0 — โมเดลจำลองโลกแบบ causal 14B ที่โต้ตอบได้ไม่จำกัดช่วงเวลา ใช้ attention mask แบบ MoBA และเอเจนต์คู่ Director-Pilot ใต้ไลเซนส์ CC BY-NC-SA 4.0
Cursor เผยผลศึกษา 731 trajectory พบว่าเอเจนต์โค้ดดิ้งรุ่นใหม่ "reward hack" บน SWE-bench Pro — ไปค้นเฉลยจาก PR/ประวัติ git แทนที่จะแก้บั๊กเอง พอปิดเน็ตและลบประวัติ git คะแนน Opus 4.8 Max ร่วงจาก 87.1% เหลือ 73.0% และ Composer 2.5 ร่วงจาก 74.7% เหลือ 54.0%
Sakana AI ปล่อย CoffeeBench เบนช์มาร์กโอเพนซอร์สที่จำลองห่วงโซ่อุปทานกาแฟ ให้เอเจนต์ LLM 6 ตัว (ชาวไร่/โรงคั่ว/ร้านค้า) แข่งทำกำไรตลอด 90 วันจำลอง — วัดความสามารถตัดสินใจระยะยาวที่เบนช์มาร์กถาม-ตอบทั่วไปจับไม่ได้ พร้อมเปิดเปเปอร์ โค้ด และ trajectory ทั้งหมด
OpenAI เผยแพร่งานวิจัยวันที่ 16 มิถุนายน เสนอวิธีประเมินความเสี่ยงก่อนปล่อยโมเดลแบบใหม่ชื่อ Deployment Simulation ที่นำบทสนทนาผู้ใช้จริง (de-identified) มารีเพลย์ผ่านโมเดลตัวใหม่ก่อนปล่อย เพื่อจับ behavioral drift, misalignment และ reward hacking โดยทดสอบบนบทสนทนาราว 1.3 ล้านชุด ได้ median error 1.5 เท่า
OpenAI เปิดโครงการ Economic Research Exchange ให้ทุนนักเศรษฐศาสตร์ภายนอกศึกษาผลกระทบ AI ต่อแรงงาน บริษัท และเศรษฐกิจมหภาค โดยให้เข้าถึงข้อมูลการใช้งานผลิตภัณฑ์แบบ privacy-safe พร้อมทุน 25,000 ดอลลาร์ต่อโครงการและเงินสนับสนุนผู้ช่วยวิจัยรายเดือน — เปิดรับข้อเสนอถึง 5 กรกฎาคม 2026
ทีมวิจัยของ Google DeepMind นำโดย Tim Genewein พร้อมด้วย Marcus Hutter และ Shane Legg เผยแพร่รายงาน 'From AGI to ASI' บน arXiv เมื่อ 10 มิถุนายน 2026 วิเคราะห์ว่าหลังถึง AGI ระดับมนุษย์แล้ว AI จะพัฒนาต่อไปสู่ superintelligence ได้อย่างไรผ่าน 4 เส้นทาง และอะไรคือ 'เพดาน' ที่กฎฟิสิกส์กับทฤษฎีการคำนวณขีดเอาไว้