AI tar nya steg framåt med snabbare svar och säkerhetsstudier

Forskare har utvecklat Democratic Preference Optimization (DemPO), en metod som använder algoritmisk lottning för att säkerställa demografisk representation när AI-modeller tränas med mänskliga preferenser. Testresultat på Llama-modeller från en till åtta miljarder parametrar visar att metoden ger bättre resultat än traditionella metoder, med effektstorlek som ökar med modellens kapacitet.

Det europeiska batteriinitiativet ACC har skrotat planer på två stora batterifabriker i Italien och Tyskland enligt det italienska metallfacket UILM. Beslutet påverkar Europas satsning på egen batteriproduktion för elfordon.

Forskare har utvecklat VERA-MH, ett automatiserat system för att bedöma säkerheten hos AI-chatbotar inom mental hälsa. Studien visar att systemet har 0,81 i överensstämmelse med klinisk konsensus och kan identifiera osäkra beteenden hos AI-verktyg som miljontals personer nu använder för psykologiskt stöd.

Stockholmsbörsen noterade nytt stängningsrekord under den rapportintensiva veckan. Medan Sobi nådde nya höjder blev Volvo Cars en av veckans stora rapportbesvikelser med kraftiga kursrörelser.

Svenska Vidde har säkrat 26 miljoner kronor i nytt kapital för att starta serieproduktion av sin eldrivna snöskoter. Bolaget förbereder nu övergången från utveckling till kommersiell tillverkning.

Anthropics AI-assistent Claude har lanserat ett "fast mode" som påskyndar svarstider för enklare uppgifter. Funktionen optimerar prestanda genom att använda mindre beräkningsresurser för rutinmässiga förfrågningar samtidigt som full kapacitet reserveras för komplexa problem.

Forskare har utvecklat en fullt asynkron träningsmetod för Vision-Language-Action (VLA) modeller som ökar genomströmningen med upp till 59,25% jämfört med befintliga synkrona metoder. Vid djupare optimering kan förbättringen nå 126,67%, vilket löser ett viktigt flaskhalsproblem inom robotik-AI.

Forskare har utvecklat DeepRead, en AI-agent som använder dokumentstruktur som rubriker och styckeindelning för att förbättra sökning i långa dokument. Systemet konverterar PDF-filer till strukturerad Markdown och indexerar innehåll på styckesnivå med koordinatbaserad metadata. DeepRead visar betydande förbättringar jämfört med befintliga agentbaserade sökramverk genom att kombinera verktyg för både lokalisering och strukturerad läsning.

Forskare presenterar GAMMS, en lätt simuleringsplattform för multiagentsystem som använder grafbaserad modellering för att testa agentbeteende i komplexa miljöer som vägnät och kommunikationssystem. Verktyget är designat för skalbarhet och snabb prototyputveckling på standardhårdvara, och stöder olika agenttyper inklusive de som använder stora språkmodeller.

Forskare har utvecklat M²-Miner, ett automatiserat system som använder Monte Carlo Tree Search och tre samarbetande AI-agenter för att samla in träningsdata för mobila GUI-agenter. Systemet adresserar problemen med höga kostnader och låg datakvalitet i nuvarande metoder genom att automatiskt generera användarbeteende-trajektorier. De fine-tunade GUI-agenterna uppnår topprestanda på flera mobila GUI-benchmarks.

Experter arbetar genom att välja strategiska drag baserat på andra aktörer och dolda tillstånd, medan stora språkmodeller (LLM:er) fokuserar på att producera enskilda artefakter. LLM:er behöver utveckla världsmodeller för att hantera mer komplex expertarbete som kräver strategiskt tänkande.

Forskare har utvecklat RLFKV, en förstärkningsinlärningsmetod som delar upp finansiella AI-svar i mindre kunskapsenheter för att minska felaktig information. Metoden testades på FDD-datasetet och ett nytt FDD-ANT-dataset med konsekvent förbättrade resultat.