Subota, 11. srpnja 2026.

6 vijesti — 🟡 3 važno , 🟢 3 zanimljivo

🤝 Agenti (2)

🟢 🤝 Agenti 11. srpnja 2026. · 2 min čitanja

arXiv:2607.08093: CausalDS — novi benchmark koji mjeri kauzalno zaključivanje AI agenata u data-science zadacima

CausalDS je benchmark predstavljen na arXivu koji testira mogu li AI agenti razlikovati uzročnost od korelacije unutar data-science tokova rada. Popunjava prazninu u evaluaciji autonomnih analitičkih agenata, gdje standardni testovi mjere točnost izvršavanja, ali ne i sposobnost ispravnog kauzalnog zaključivanja.

🟢 🤝 Agenti 11. srpnja 2026. · 2 min čitanja

arXiv:2607.08681: SolarChain-Eval — fizikalno ograničen benchmark za AI agente u decentraliziranim energetskim tržištima

SolarChain-Eval je benchmark predstavljen na arXivu za evaluaciju ekonomskih AI agenata u decentraliziranim energetskim tržištima, uz fizikalna ograničenja stvarnih sustava. Uključuje sloj revizije zasnovan na jezičnom modelu koji detektira rizično ponašanje agenata, spajajući AI agente s cyber-fizičkom energetskom infrastrukturom.

🏥 U praksi (2)

🟡 🏥 U praksi 11. srpnja 2026. · 2 min čitanja

Anthropic: Claude Code v2.1.207 uključuje auto mode na svim enterprise cloudovima, mijenja zadani model na Opus 4.8 i zatvara shell-injection propust

Claude Code v2.1.207 je novo izdanje Anthropicova CLI alata koje 'auto mode' čini automatski dostupnim na Amazon Bedrocku, Google Vertex AI-ju i Microsoft Foundryju bez opt-in varijable. Izdanje zatvara sigurnosni propust shell-injectiona u hook konfiguraciji i na Bedrocku, Vertexu i Claude platformi na AWS-u mijenja zadani model na Claude Opus 4.8.

🟢 🏥 U praksi 11. srpnja 2026. · 2 min čitanja

arXiv:2607.08625: opsežan pregled izazova kliničkih dijaloških AI sustava — od kliničkog zaključivanja do sigurnosti pacijenata

Patient-Centered Conversational AI je opsežan tehnički izvještaj na arXivu (36 stranica glavnog teksta i 129 stranica dodatka) o složenostima izgradnje kliničkih dijaloških sustava. Analizira kliničko zaključivanje, sigurnost pacijenata i kvalitetu interakcije kao tri isprepletena izazova AI asistenata u zdravstvu.

💬 Zajednica (1)

🟡 💬 Zajednica 11. srpnja 2026. · 2 min čitanja

arXiv:2607.07779: Terence Tao među autorima rada o granicama velikih jezičnih modela u frontierskoj matematici

'From Solvers to Research' je arXiv rad, čiji je jedan od autora nositelj Fieldsove medalje Terence Tao, koji ispituje mogu li LLM agenti raditi istraživačku matematiku kroz auto-formalizaciju i sintezu dokaza. Rad identificira sustavne slabosti postojećih sustava za sintezu dokaza i mapira granicu između rješavanja zadataka i istinskog istraživanja.

🛡️ Sigurnost (1)

🟡 🛡️ Sigurnost 11. srpnja 2026. · 2 min čitanja

arXiv:2607.08395: Token-Flow Firewall — runtime nadzor koji dugoživuće AI agente štiti i spušta uspješnost napada na 12,5%

Token-Flow Firewall je obrambeni mehanizam predstavljen na arXivu koji u realnom vremenu prati tokove tokena u prirodnom jeziku kod dugoživućih (perzistentnih) AI agenata. U testovima prompt injectiona i drugih adversarijalnih napada smanjuje uspješnost napada na 12,5%, nudeći runtime sloj zaštite umjesto oslanjanja isključivo na treniranje modela.