Eine neue Studie zeigt, dass 92% der britischen Studenten KI-Tools für ihre Hausaufgaben verwenden. Dies stellt Hochschulen vor neue Herausforderungen bei der Bewertung und stellt Fragen nach der akademischen Integrität.

Vor kurzem hat Brett Adcock, Gründer und CEO von Figure, ein neues maschinelles Lernmodell namens Helix vorgestellt, das darauf abzielt, die Fähigkeiten humanoider Roboter im häuslichen Umfeld zu verbessern. Diese Ankündigung kommt nur zwei Wochen nach dem Ende der Zusammenarbeit mit OpenAI und unterstreicht das starke Engagement von Figure im Bereich der Robotik. Helix ist ein "allgemeines" visuell-sprachliches Aktionsmodell (VLA), das mithilfe von visuellen Daten...

Im Bereich der Künstlichen Intelligenz hat die rasante Entwicklung von Sprachmodellen zu einem breiten Interesse an Sprachverständnis-Sprachmodellen (SULMs) geführt. Kürzlich hat das ASLP-Labor der Northwestern Polytechnischen Universität das Open-Source-Sprachverständnismodell OSUM veröffentlicht, um zu untersuchen, wie Sprachverständnismodelle effektiv trainiert und genutzt werden können, selbst bei begrenzten akademischen Ressourcen, um Forschung und Innovation in der Wissenschaft voranzutreiben. Das OSUM-Modell kombiniert den Whisper-Encoder mit dem Qwen2-Sprachmodell und unterstützt 8 Sprachaufgaben, darunter Spracherkennung (ASR), zeitlich markierte Transkription und mehr.

Im Bereich Softwareentwicklung stoßen traditionelle Benchmark-Methoden angesichts der sich ständig verändernden Herausforderungen an ihre Grenzen. Freelancer-Softwareentwicklungsaufgaben sind komplex und vielschichtig und gehen weit über isolierte Codierungsaufgaben hinaus. Freelancer-Ingenieure müssen mit vollständigen Codebasen umgehen, verschiedene Systeme integrieren und komplexe Kundenanforderungen erfüllen. Herkömmliche Bewertungsmethoden konzentrieren sich oft auf Unit-Tests und spiegeln die tatsächliche Full-Stack-Leistung und die wirtschaftlichen Auswirkungen der Lösungen nicht wider. Daher ist die Entwicklung realistischerer Bewertungsmethoden unerlässlich. Zu diesem Zweck hat OpenAI SWE-Lancer veröffentlicht, einen...

Nach der kürzlichen Einführung von o3-mini präsentiert OpenAI ein neues Produkt – Deep Research, einen KI-Assistenten, der speziell für die Automatisierung komplexer mehrstufiger Online-Forschungsaufgaben entwickelt wurde. Seine Funktionen ähneln deutlich denen der Google-Suchmaschine und des DeepSeek-Forschungsassistenten. Der Benutzer gibt lediglich eine Anfrage ein, und Deep Research sucht, analysiert und integriert schnell Hunderte von Informationsquellen im Internet, um letztendlich einen professionellen Bericht zu erstellen.

Die Programmierfähigkeit von künstlicher Intelligenz (KI) hat sich in den letzten Jahren stetig verbessert, ist aber noch nicht perfekt. Kürzlich hat der erfahrene Datenwissenschaftler von BuzzFeed, Max Woolf, durch Experimente herausgefunden, dass KI durch wiederholte Aufforderungen zur Verbesserung des Codes tatsächlich besseren Code generieren kann. Diese Entdeckung hat große Aufmerksamkeit erregt, und bekannte KI-Wissenschaftler zeigen großes Interesse und betonen die Wichtigkeit von Iteration und Prompt-Engineering. In Woolfs Experimenten...

DeepSeek AI hat kürzlich DeepSeek-V2.5-1210 veröffentlicht, eine verbesserte Version von DeepSeek-V2.5, die darauf abzielt, die Leistung der künstlichen Intelligenz in Mathematik, Programmierung, Schreiben und Inferenzaufgaben zu verbessern. Frühere Versionen des Modells erzielten bereits Erfolge bei der Lösung mathematischer und logischer Probleme, aber die Stabilität in verschiedenen Anwendungsszenarien benötigte noch Verbesserung, insbesondere im Bereich Echtzeit-Codierung und präzises Schreiben. Diese Schwächen unterstrichen die Notwendigkeit, ein flexibleres und zuverlässigeres KI-Modell zu entwickeln.

Kürzlich haben sich große Sprachmodelle (LLMs) in verschiedenen Aufgaben ausgezeichnet – ob Gedichte schreiben, Code generieren oder sich unterhalten, sie scheinen alles zu können! Aber glauben Sie es: Diese "genialen" KIs sind in Wirklichkeit "Mathe-Niete"! Bei einfachen Rechenaufgaben scheitern sie oft kläglich. Eine neue Studie enthüllt das "skurrile" Geheimnis hinter der arithmetischen Schlussfolgerungsfähigkeit von LLMs: Sie verlassen sich weder auf leistungsstarke Algorithmen noch ausschließlich auf das Gedächtnis, sondern verwenden eine Strategie, die als "heuristischer Eintopf" bezeichnet wird! Das heißt...

Im Zeitalter des rasanten technologischen Fortschritts dringt Künstliche Intelligenz (KI) in immer mehr Bereiche unseres Lebens vor. Die Anwendung dieser neuen Technologie im Bildungsbereich ist jedoch umstritten, wie ein Fall aus Hingham, Massachusetts, zeigt. Im Mittelpunkt steht ein Schüler der Hingham High School. Laut seiner Mutter, Jennifer Harris, nutzten ihr Sohn und ein Mitschüler KI, um bei einem Gruppenprojekt Recherchen zu betreiben und eine Gliederung zu erstellen.

Der selbstgebaute „White Daydream“-Roboter des B站-UP-Nutzers „Geek Bay“ ist innerhalb von nur vier Tagen viral gegangen und hat über 1,13 Millionen Aufrufe erreicht. Der Roboter kann Hausaufgaben automatisiert erledigen, einschließlich Umblättern, Aufgaben markieren, Fragen beantworten und schreiben, und zwar in verschiedenen Fächern. Bei der Entwicklung wurde von einer umgebauten Schreibmaschine bis hin zur Eigenentwicklung mit CoreXY-Struktur und integriertem KI-Modell alles eingesetzt, um die Genauigkeit und Effizienz der Hausaufgabenlösung deutlich zu verbessern. Testergebnisse zeigen eine hohe Genauigkeit bei englischen Hausaufgaben, jedoch mit Formatproblemen; bei Deutsch ist die Handschrift charakteristisch, einige Antworten sind jedoch falsch; bei Mathematik gibt es Probleme mit Format und Logik.

Der B站-UP-Nutzer 'Geek Bay' hat ein Video über den AI-Hausaufgabenroboter 'White Daydream' veröffentlicht, das eine hitzige Online-Debatte ausgelöst hat. Dieser Roboter kann mithilfe von AI-Großmodellen verschiedene Aufgaben aus verschiedenen Fächern lösen, imitiert handschriftliche Antworten und kann sogar Seiten umblättern und glätten, was ein "humanes" Design zeigt. Nach monatelanger Entwicklung wurde er von Version 1.0 auf Version 2.0 aktualisiert und verwendet eine CoreXY-Struktur und ein fortschrittliches AI-Modell, wodurch Stabilität und Genauigkeit verbessert wurden. Obwohl die Arbeitseffizienz noch verbessert werden kann, bietet er neue Möglichkeiten, die Belastung der Schüler durch Hausaufgaben zu verringern. Diese Erfindung wirft jedoch auch Fragen nach dem Wesen der Bildung auf.

Die jüngsten Diskussionen weltweit über die scheinbar einfache Frage "Ist 9.11 größer als 9.9?" zeigen die Fehler aktueller Large Language Models (LLMs) bei der Lösung einfacher logischer Probleme auf. Dieses Phänomen wird als "Sägezahn-Intelligenz" oder "uneinheitliche Intelligenz" bezeichnet. Experte Andrej Karpathy weist darauf hin, dass LLMs komplexe Aufgaben bewältigen können, aber bei einigen einfachen Aufgaben versagen, was die unausgeglichene Intelligenz der Modelle widerspiegelt. Beispielsweise hat der OpenAI-Forscher Noam Brown festgestellt, dass LLMs beim Spiel Tic-Tac-Toe...

Samsung Electronics hat gestern auf der Unpacked-Veranstaltung nicht nur die neue Generation faltbarer Smartphones, Galaxy Z Fold6 und Galaxy Z Flip6, vorgestellt, sondern auch einen bedeutenden Fortschritt bei Galaxy AI angekündigt. Das Unternehmen gab stolz bekannt, dass Galaxy AI bis Ende des Jahres bis zu 200 Millionen Geräte erreichen wird, was Samsungs Ehrgeiz im Bereich der künstlichen Intelligenz unterstreicht.

LeRobot ist ein Produkt, das darauf abzielt, Modelle, Datensätze und Tools für reale Roboter in PyTorch bereitzustellen. huggingface, in Zusammenarbeit mit einem französischen Open-Source-Roboterunternehmen, hat erstmalig die interaktiven Fähigkeiten eines Open-Source-Roboters veröffentlicht. Der Roboter kann durch Sprachbefehle gesteuert werden, wobei sowohl das Modell als auch die Datensätze Open Source sind.

Die 'Faulheit' von GPT-4 wird erneut heiß diskutiert, da die Fertigstellungsrate um fast ein Viertel gesunken ist. Das neue ChatGPT liefert längere Antworten, die inhaltlich jedoch keine Verbesserung zeigen. Nutzer sind verwirrt über die Gründe für die vermeintliche Trägheit von GPT-4 und mögliche Optimierungsstrategien. Altman verspricht Verbesserungen im neuen Jahr, konkrete Maßnahmen stehen jedoch noch aus.

Bis 2027 wird generative KI voraussichtlich 30 % der routinemäßigen Marketingaufgaben in der APAC-Region automatisieren und das Marketingumfeld neu gestalten. Zu den wichtigsten Aufgaben gehören Suchmaschinenoptimierung, Content- und Website-Optimierung sowie die Analyse von Kundendaten. Bis 2028 werden große Unternehmen in der APAC-Region generative KI einsetzen, um 30 % des Verbraucherverhaltens zu automatisieren, das Marketing- und Vertriebsprozesse umfasst. Es wird erwartet, dass bis 2026 über die Hälfte der Verbraucher generative KI für die Entdeckung, Bewertung und Kaufentscheidung von Produkten und Dienstleistungen nutzen wird. Dieser Trend wird die Rolle von Marketingfachleuten verändern und die Bedeutung von ...

Das "GenSim"-Projekt des MIT CSAIL nutzt große Sprachmodelle (LLMs) wie GPT-4, um das Spektrum an Simulationsaufgaben, für die Roboter trainiert werden können, zu erweitern. Dies geschieht durch die automatische Generierung neuer Aufgaben oder detaillierter Beschreibungen der einzelnen Schritte des benötigten Verhaltens. Das GenSim-System verfügt über einen zielorientierten und einen explorativen Modus. Es generiert Aufgabenbeschreibungen und den für die Simulation des Verhaltens benötigten Code mithilfe von LLMs. Anschließend optimiert es den Code mithilfe einer Aufgabenbibliothek und erzeugt so Simulationen, die Roboter das Ausführen neuer Aufgaben lehren können. Nach einer menschlichen Vorab-Schulung...

Eine Untersuchung ergab: 13% der US-amerikanischen Teenager nutzen KI-Technologien wie ChatGPT zum Schummeln. Schulen stehen vor der Herausforderung, neue Technologien und akademische Integrität in Einklang zu bringen. Es wird empfohlen, die Aktivitäten zur Förderung der akademischen Integrität an Schulen zu verstärken.

Forscher der Tsinghua-Universität und anderer Institutionen haben ein 2-Milliarden-Parameter-Sprachmodell namens MathGLM vorgestellt, das bei Rechenaufgaben eine Genauigkeit von nahezu 100% erreicht und damit GPT-4 deutlich übertrifft. MathGLM verwendet eine reine Decoder-Architektur und wurde auf einem umfangreichen arithmetischen Datensatz trainiert, wodurch seine Fähigkeiten in mathematischen Berechnungen erheblich verbessert wurden. MathGLM übertrifft GPT-4 und ChatGPT auch bei komplexen Rechenaufgaben mit unterschiedlichen Zahlenformaten.