15 vijesti — 🟡 7 važno , 🟢 8 zanimljivo
Istraživači su predstavili RA-RFT, okvir koji kombinira dohvaćanje primjera korisnih za rezoniranje s pojačanim učenjem. Za razliku od klasičnog semantičkog pretraživanja, sustav odabire primjere koji donose stvarnu korist u rješavanju zadatka, što matematičke benchmark rezultate popravlja i do 7,1 boda.
Istraživač Il-Seok Oh objavio je sveobuhvatni tutorial koji pozicionira modeliranje svjeta kao središnji unifikacijski princip moderne AI. Rad razlikuje eksplicitne i implicitne svjetske modele te opisuje njihovu ulogu u fizičkoj AI — od robotike do autonomnih vozila.
Nova studija dokazuje da automatski generirani višeagentni sustavi dosljedno zaostaju za jednostavnom metodom CoT-SC, uz troškove do 10 puta veće. Problem nije u konceptu višeagentnih sustava, već u automatiziranom dizajnu koji producira arhitekturnu napuhanost bez funkcionalne vrijednosti.
GitHub je objavio javni pregled (public preview) Agentic Workflowsa, novog sustava koji kodnim agentima unutar GitHub Actions okruženja omogućuje automatizaciju složenih zadataka — od razvrstavanja problema i analize CI-neuspjeha do saniranja ranjivosti i ažuriranja dokumentacije. Istodobno je uvedena autentikacija bez osobnih tokena pristupa.
Istraživači predlažu funkciju vrijednosti memorije V(m) temeljenu na sedam kognitivno-psiholoških faktora za upravljanje memorijom dugoročnih AI agenata. Na slijepom LongMemEval testu postiže retenciju od 0,770 zlatnih dokaza naspram 0,657 uniformnog pristupa i samo 0,368 metode recencije.
OrchRM je samosupervizijski model nagrađivanja za orkestraciju višeagentnih sustava koji uči iz međukoraka izvršavanja bez ljudskih anotacija. Postiže do 10 puta veću efikasnost tokena i do 8% bolju točnost na matematičkim, web i višekoračnim zadacima.
Anthropic je objavio manja, ali praktična poboljšanja triju API alata. Alat za izvršavanje koda sada eksplicitno navodi 90-sekundni limit po ćeliji, a web_search i web_fetch dobivaju novi response_inclusion parametar koji smanjuje trošak tokena u agentičkim cjevovodima.
Anthropic i DXC Technology potpisali su višegodišnji globalni savez koji integrira Claudea u regulirane industrije — bankarstvo, osiguranje, avijaciju i državnu upravu. DXC-ova AI platforma OASIS, čiji je kod više od 95% generirao Claude, već je u primjeni kod više od 50 korporativnih klijenata.
GitHub Enterprise Server 3.21 postaje općedostupan i donosi prilagođena svojstva organizacija za automatsko ciljanje pravilnika poduzeća, pregled hijerarhije u projektnim tablicama, podršku za više od 300 Actions poslova, poboljšano skeniranje tajnih podataka i novi REST API s retrokompatibilnošću od 24 mjeseca.
Nicholas Larus-Stone, voditelj AI-a u Benchlingu, objašnjava zašto znanstvena istraživanja zahtijevaju ensemble više jezičnih modela umjesto jednog: ako se modeli slože, podaci su pouzdani; ako se razilaze, nešto nije u redu. Tvrtka ima 14 godina strukturiranih znanstvenih podataka kao temeljnu prednost.
Novo istraživanje konstruiralo je rigorozni okvir za evaluaciju autonomnih proboja sigurnosti na 300 testnih poslužitelja u dva stupnja težine. Od 19 testiranih jezičnih modela, niti jedan nije imao prethodna saznanja o ciljevima — a stope uspješnog proboja dosežu 69,3 posto.
Novo istraživanje s ICML 2026 konferencije pokazuje da tri najraširenija agentna AI okvira — LangChain, AutoGPT i OpenAI Agents SDK — ne zadovoljavaju izvedene sigurnosne principe za javne primjene. U simuliranoj državnoj usluzi, napad na memoriju povećao je stopu pogrešnih odbijanja zahtjeva na čak 88,9 posto.
CNCF projekt Dapr objavio je verziju 1.18 s novom značajkom verifiable execution — kriptografski provjerljive izvršnosti. Tri nova primitiva omogućuju organizacijama da dokažu koji je agent pokrenuo radni tijek, je li povijest izvršavanja mijenjana i odakle je zahtjev stigao u distribuiranom sustavu.
