13 vijesti — 🔴 1 kritično , 🟡 7 važno , 🟢 5 zanimljivo
NVIDIA je objavila Nemotron 3 Ultra, open-weight Mixture-of-Experts model s 550 milijardi ukupnih parametara i 55B aktivnih po tokenu. Model cilja na duge agentske tijekove rada uz do 30% niži trošak naspram drugih vodećih open modela. Dostupan je u Ollami, a vLLM je dao Day-0 podršku za serviranje.
Znanstveni rad arXiv:2606.05555 tvrdi da je glavni pokretač skalabilnog multitask reinforcement learninga učenje reprezentacija, a ne model-based kontrola. Model-free algoritam MR.Q kombinira prediktivne reprezentacije s value funkcijom visokog kapaciteta i nadmašuje world-model metode uz manje računske troškove. Rezultat vrijedi čak i bez planiranja, na continuous control zadacima.
Znanstveni rad arXiv:2606.05661 predstavlja CL-Bench, prvi težak i ekspertski validiran benchmark koji mjeri poboljšavaju li se LLM sustavi stvarno kroz sekvencijalno iskustvo. Evaluacija frontier modela otkriva probleme s ponovnom upotrebom znanja i prenaučavanjem na neposredna opažanja. Čak i namjenske memorijske arhitekture podbacuju u odnosu na jednostavan in-context learning.
IBM i Google Cloud najavili su strateško partnerstvo opisano kao multi-milijardna prilika, lansirajući novu Google Cloud Practice koja spaja IBM-ovu industrijsku ekspertizu s Google Cloud Gemini Enterprise Agent Platformom. IBM gradi AI agente na platformi IBM Consulting Advantage optimizirane za Gemini Enterprise u osam sektora. Cilj je pomak klijenata s AI pilota na produkcijsku primjenu.
LangChain u blog-objavi autora Neila Dahlkea argumentira da je model neutrality — sposobnost rada preko različitih AI modela — važnija za fleksibilnost i otpornost od neutralnosti prema cloud provideru. Pristup omogućuje izbjegavanje vendor lock-ina na razini modela i prilagodbu kako se AI mogućnosti razvijaju.
OpenAI uvodi novi memorijski sustav za ChatGPT pod nazivom 'Dreaming', dizajniran da bolje pamti korisničke preferencije i drži kontekst svježim i relevantnim kroz razgovore. Cilj je zadržavanje relevantnih informacija između sesija. Detalji implementacije za sada su ograničeni jer je objava sažeta.
Znanstveni rad arXiv:2606.05610 predstavlja okvir koji empirijskim zakonima skaliranja predviđa optimalne hiperparametre tijekom nastavljenog pre-treninga LLM-ova. Dvostupanjski pristup izvodi funkcije compute→postavke preko proxy modela, zatim procjenjuje ekvivalentni pre-training compute iz validacijskog gubitka. Postiže usporedive ili bolje performanse uz smanjenje troška pretrage hiperparametara do 90%, model-agnostički.
Anthropic je objavio Claude Code v2.1.163 s Managed Settings za enterprise version-locking, novom komandom /plugin list te poboljšanjima Stop i SubagentStop hookova. Izdanje donosi i nekoliko praktičnih dodataka te niz bugfixova, uključujući ispravak hook uvjeta koji su pogrešno okidali na svaku Bash komandu.
NIST je predstavio Safe Step, AI sustav temeljen na reinforcement learningu koji računa najsigurnije evakuacijske rute pri požaru u zgradi korak po korak. Model uči iz tlocrta i NIST-ovih simulacija požara te koristi žive senzorske podatke za kontinuirano ažuriranje ruta. Bira rute s najnižom dozom toksičnih plinova i predviđa širenje požara, no zasad radi samo za jednoetažne tlocrte.
CHASE je closed-loop okvir u kojem napadač i obrambeni model ko-evoluiraju kroz pojačano učenje. Napadač koristi GRPO za prepisivanje promptova uz očuvanje namjere, dok se obrana jača dvostupanjskim treningom. Rezultat je smanjenje vulnerability scorea za 43,2% uz nultu stopu lažnih odbijanja na benignim ulazima.
Rad na arXivu pokazuje da sigurnosno poravnanje (safety alignment) paradoksalno stvara ranjivost u velikim jezičnim modelima. 'Posterior Attack' je single-query jailbreak koji iskorištava sposobnost modela da prepozna štetan sadržaj. Testiran je na 30 open-source LLM-ova te frontier modelima poput GPT-5 i Claude 4.6.
![Urednička ilustracija: FLUX.2 [klein] stiže predinstaliran na ASUS ProArt laptope](https://images.24-ai.news/black-forest-labs-flux-outpainting-600.webp)
