Mentionsy Mentionsy
HeadFlash AI PL
HeadFlash AI PL

OpenAI chce wiążących przepisów, GPT-6 Astra uczy się latać dronem

14.09.2026 ·12 min 57 s · 9 rozdziałów · 1 sponsor

OpenAI zmienia kurs i apeluje o federalne regulacje bezpieczeństwa AI, a GPT-6 Astra przejmuje sterowanie dronem i prowadzi firmę autonomicznie.Źródła:OpenAI makes U-turn and calls for binding national AI safety rulesGPT-6 Astra pilots a surveillance drone and runs a business on its ownHow hackers used Claude for missiles, drone swarms, and surveillance, while Chinese labs mined it for training dataAmazon loses injunction blocking Perplexity's AI shopping agentShopify Rescues Tailwind CSS: AI Made It Ubiquitous While Killing Its RevenueCognition Releases SWE-2: A Kimi K3 Post-Trained Coding Model That Matches Fable 5.1 on FrontierCode at 64% Lower CostGoogle's new AI model predicts the future from sales data, weather, and discount schedulesSalesforce agents gain a runtime that pursues goals over weeks, not chatsOpenAI's new Agents API gives developers the infrastructure behind Codex and ChatGPTGPT-6 Astra appears to show a "step change" in spatial reasoning based on early benchmarksThe Mathematical AI Safety Institute wants to prove AI is safe the way cryptographers prove codes are unbreakableAI models' written reasoning steps correspond to distinct internal patterns, a new study findsElevenlabs makes Music v2.5 available via app and API with free and pro tier optionsIris-mini and Iris-pro are the strongest open-weight search agents in their classTwo-year university study finds banning AI from classrooms leaves students worse off📰 Przeczytaj całe wydanie na stronie🤖 Odcinek opracowany przy pomocy sztucznej inteligencji. Lektor syntetyczny.

6:00 · Anthropic i nadużycia 1

Google Research udostępniło Times FM 3, model prognozujący przyszłe wartości na podstawie szeregów czasowych, takich jak dzienne dane sprzedażowe. Model korzysta z powiązanych danych i znanych przyszłych zdarzeń, np. planowanych promocji czy prognoz pogody. Przetwarza dane w dwóch kierunkach, wzdłuż czasu szuka wzorców w pojedynczym szeregu, a w poprzek szeregów porównuje wszystkie zmienne w danym punkcie i uczy się jak się wiążą. Działa bez dodatkowego trenowania do nowych zadań i zamiast pojedynczego oszacowania zwraca 9 wartości na krok czasu, aby uchwycić niepewność prognozy. Wcześniejsze wersje przewidywały przyszłość blok po bloku, co było wolne i pozwalało błędom się kumulować. Nowy model wypełnia wszystkie przyszłe kroki w jednym przebiegu. Na benchmarkach zajmuje pierwsze miejsce wśród wszystkich wstępnie trenowanych modeli prognozujących pod względem dokładności i kalibracji niepewności.

Pokazano wszystkie 1 dopasowanie. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.