13 vijesti — 🟡 7 važno , 🟢 6 zanimljivo
Anthropic je pokrenuo besplatnu verziju Claudea za verificirane K-12 učitelje u SAD-u, dostupnu do lipnja 2027. Program uključuje biblioteku nastavnih vještina, kurikulum usklađen s državnim standardima svih 50 saveznih država i integracije s 9 edukacijskih alata.
Test-time compute je dodatno računanje koje model troši tijekom inferencije radi boljeg odgovora. Bojie Li i Noah Shi definiraju interakciju s vanjskim alatima kao treću os test-time computea — uz dulje razmišljanje i best-of-N uzorkovanje. Proposer-reviewer sustav postiže 100% pass rate, dok samo-razmišljanje i best-of-N dosežu plato.
AMD je objavio LogsLop, open-source Python CLI alat koji sažima goleme log fajlove normalizacijom i klasteriranjem. Na 73 stvarna log fajla smanjuje broj linija na 11% i bajte na 7,5%, a uz Llama 3.3 70B troši 78% manje tokena.
Lin Sun iz Solo.io preispituje je li Kubernetes Pod prava apstrakcija za raspoređivanje AI agenata. Agenti su efemerni — aktiviraju se nakratko, a namjenski Pod koji miruje troši resurse uzalud. Predlaže novi 'agent-substrate' model s Actorima i WorkerPoolima.
SCALECUA je novi okvir istraživača Tsinghua/THUDM sveučilišta koji skalira computer-use agente pomoću online reinforcement learninga, postigavši novi SOTA rezultat od 68,7% na OSWorld benchmarku i 54,0% na ScienceBoard.
Terminalni agent je AI agent koji zadatke rješava kroz naredbe u terminalu ili shellu. SETA (Shen i sur., Oxford, KAUST) generira 4.500+ provjerljivih RL okruženja za trening terminalnih agenata. DeepSeek-V4-Flash poboljšava pass@1 s 40% na 43% i pass@5 s 54% na 58% na Terminal-Bench 2.0.
Multi-agent orkestracija je koordinacija više specijaliziranih AI agenata na zajedničkom zadatku. Thrad.ai implementirao je sustav za pronalaženje B2B kupaca kroz 6 izvora koristeći Amazon Bedrock i Strands Agents SDK. Swarm obrazac postiže kvalitetu e-maila 8,2/10, dok Graph obrazac troši 25% manje i radi 28% brže.
Claude Code v2.1.208 donosi tri nove mogućnosti: opt-in screen reader mode za pristupačnost, vim insert-mode remapiranje tipkovnih prečaca i korporativni process wrapper koji pokriva sve self-spawn procese. Hotfix v2.1.209 odmah je popravio bug koji je blokirao dijaloške prozore u pozadinskim agent sesijama.
Autoformalizacija je automatsko prevođenje matematike na prirodnom jeziku u strojno-provjerljiv formalni oblik. ToMap pipeline Tian-Shuo Liua i suradnika postiže 19,0% poboljšanje nad prethodnom SOTA metodom na ProofFlowBench skupu. Ključna inovacija je fokusiranje test-time computea na Decomposer kao usko grlo umjesto ravnomjerne raspodjele.
Anthropic ulaže 10 milijuna kanadskih dolara (CAD) u 8 kanadskih institucija s fokusom na AI sigurnost, zdravstvo i niskoresursne jezike. Paralelno objavljeni Economic Index otkriva da Kanada čini 2,6% globalnog Claude.ai prometa uz per-capita adopciju 4,4 puta višu od očekivane.
Google DeepMind i Atal Innovation Mission lansirali su ATL Saathi, web-aplikaciju pokretanu Geminijem koja pomaže nastavnicima u indijskim školskim STEM laboratorijima. Pilotira u 100 škola i cilja više od 11 milijuna učenika uz podršku 8 jezika i 12 nastavnih modula.
