On Computable Numbers, with an Application to the Entscheidungsproblem
บทความนำเสนอเครื่องทัวริงแบบสากลและพิสูจน์ว่าปัญหา Entscheidungsproblem เป็นปัญหาที่ตัดสินไม่ได้จึงวางรากฐานทางทฤษฎีของวิทยาการคอมพิวเตอร์
บทความคัดสรรด้านประวัติศาสตร์และพัฒนาการของ AI
ผลงานตัวแทน 73 ชิ้นตั้งแต่ปี 1936 ถึงปัจจุบัน จัดกลุ่มตามบทบาทเชิงบรรณาธิการและสถานะการเผยแพร่
บทความวิจัยคือโครงสร้างที่แข็งแกร่งที่สุดของประวัติศาสตร์ AI ที่นี่รวบรวมงานวิจัยพื้นฐาน 73 ชิ้นที่หล่อหลอมศาสตร์นี้ พร้อมลิงก์ต้นฉบับ
การคัดเลือกพิจารณาจากความสำคัญทางประวัติศาสตร์ อิทธิพลทางเทคนิค และดุลยพินิจของกองบรรณาธิการ รายการอาจรวมบทความที่ผ่านการประเมิน รายงานทางเทคนิค พรีพรินต์ บทความแสดงจุดยืน และการ์ดระบบ โดยระบุสถานะการเผยแพร่ไว้อย่างชัดเจน สามารถเสนอการแก้ไขหรือเพิ่มเติมผ่านหน้าหลักเกณฑ์บรรณาธิการและการแก้ไข
ยุค:
ทศวรรษ:
หัวข้อ:
กำลังแสดง 73 จาก 73 บทความ
งานวิจัยพื้นฐาน
A Logical Calculus of the Ideas Immanent in Nervous Activity
บทความจำลองกิจกรรมของเซลล์ประสาทด้วยตรรกะเชิงประพจน์จึงเป็นทฤษฎีทางคณิตศาสตร์ชิ้นแรกของโครงข่ายประสาทเทียม
A Mathematical Theory of Communication
บทความนิยามแนวคิดเอนโทรปีของสารสนเทศและความจุของช่องสัญญาณอันเป็นรากฐานของทฤษฎีสารสนเทศและฐานความน่าจะเป็นที่ปัญญาประดิษฐ์ใช้อ้างอิงในภายหลัง
Computing Machinery and Intelligence
บทความเสนอเกมเลียนแบบ (ทัวริงเทสต์) เป็นนิยามเชิงปฏิบัติการของปัญญาของเครื่องจักรซึ่งกำหนดกรอบคำถามเรื่องปัญญาประดิษฐ์ไปอีกเจ็ดทศวรรษ
A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence
บทความบัญญัติศัพท์ “artificial intelligence” และวางแผนงานวิจัยที่สถาปนาปัญญาประดิษฐ์ให้เป็นสาขาวิชาการ
The Logic Theory Machine: A Complex Information Processing System
บทความนำเสนอโปรแกรมให้เหตุผลเชิงฮิวริสติกชิ้นแรกซึ่งแสดงว่าเครื่องจักรสามารถเลียนแบบยุทธศาสตร์การแก้ปัญหาของมนุษย์และริเริ่มแนวคิด “ระบบประมวลผลสารสนเทศเชิงซ้อน”
The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain
บทความนำเสนอเซลล์ประสาทแบบเชิงเส้นพร้อมค่าเขตที่ฝึกได้เป็นชิ้นแรกอันเป็นจุดเริ่มต้นของสาย connectionism ที่นำไปสู่การเรียนรู้เชิงลึกสมัยใหม่
Programs with Common Sense
บทความเสนอแนวคิด “advice taker” ซึ่งเป็นโปรแกรมที่สามารถอนุมานผลจากคลังความรู้เชิงสามัญสำนึกที่จัดรูปแบบอย่างเป็นทางการจึงวางรากฐานเชิงแนวคิดของการแทนความรู้และการให้เหตุผล
Some Studies in Machine Learning Using the Game of Checkers
บทความสาธิตโปรแกรมหมากฮอสที่พัฒนาตนเองผ่านการเล่นกับตนเองนับเป็นการบุกเบิกศึกษาการเรียนรู้ของเครื่องและการพัฒนาตนเองแบบอัลฟา-เบตา
บันทึกว่าด้วยสมมาตรเชิงวากยสัมพันธ์และการจัดการระบบรูปนัยด้วยเครื่องจักร
Gelernter พิจารณาว่าเครื่องจักรจะจัดการระบบรูปนัยที่ภาคแสดงมีความสมมาตรสูงได้อย่างมีประสิทธิภาพอย่างไร และเสนอทฤษฎีบทกับกฎว่าด้วยสมมาตรเชิงวากยสัมพันธ์เป็นคำตอบ งานนี้อยู่คู่กับเครื่องพิสูจน์ทฤษฎีบทเรขาคณิตที่เขากำลังสร้างที่ IBM ซึ่งพิสูจน์ทฤษฎีบทเรขาคณิตระนาบแบบยุคลิดข้อแรกได้เมื่อต้นฤดูใบไม้ผลิ ปี 1959
Adaptive Switching Circuits
บทความนำเสนอกฎ LMS (Adaline) ซึ่งเป็นกฎการเรียนรู้แบบลงกราเดียนต์ที่ใช้กันแพร่หลายเป็นครั้งแรกสำหรับโครงข่ายเชิงเส้นแบบปรับตัว
Neural Networks and Physical Systems with Emergent Collective Computational Abilities
บทความนำเสนอโครงข่ายความจำเชื่อมโยงของ Hopfield ซึ่งเชื่อมโยงการคำนวณเชิงประสาทเข้ากับภูมิทัศน์พลังงานของฟิสิกส์เชิงสถิติและฟื้นความสนใจในโครงข่ายประสาทระหว่างช่วงฤดูหนาวของปัญญาประดิษฐ์ยุคแรก
Fusion, Propagation, and Structuring in Belief Networks
บทความจัดระบบการดำเนินการหลอมรวมแพร่กระจายและจัดโครงสร้างบนโครงข่ายความเชื่อจึงวางรากฐานเชิงขั้นตอนวิธีสำหรับการอนุมานใน Bayesian network
Learning Representations by Back-propagating Errors
บทความเผยแพร่ขั้นตอนวิธี back-propagation สำหรับฝึกโครงข่ายประสาทหลายชั้นทำให้การเรียนรู้เชิงลึกเชิงปฏิบัติเป็นไปได้
Learning to Predict by the Methods of Temporal Differences
บทความจัดระบบการเรียนรู้แบบ temporal-difference (TD) จึงกลายเป็นหนึ่งในขั้นตอนวิธีหลักที่อยู่เบื้องหลังการเรียนรู้แบบเสริมกำลังสมัยใหม่
Finding Structure in Time
บทความนำเสนอโครงข่ายวนซ้ำอย่างง่ายของ Elman ซึ่งแสดงว่าโครงข่ายประสาทสามารถเรียนรู้โครงสร้างเชิงเวลาและเปิดทางให้แบบจำลองลำดับในภายหลัง
Support-Vector Networks
บทความนำเสนอซัพพอร์ตเวกเตอร์แมชชีนแบบ soft-margin ซึ่งเป็นตัวจำแนกแบบขอบเขตสูงสุดที่กลายเป็นแบบแผนและกำหนดทิศทางการเรียนรู้ของเครื่องในช่วงคริสต์ทศวรรษ 1990
Long Short-Term Memory
นำเสนอสถาปัตยกรรม LSTM ดั้งเดิมที่ใช้เซลล์ความจำพร้อมประตูรับเข้าและส่งออก ส่วนประตูลืมที่ใช้เป็นมาตรฐานในปัจจุบันถูกเพิ่มภายหลังโดย Gers, Schmidhuber และ Cummins
Gradient-Based Learning Applied to Document Recognition
บทความนำเสนอ LeNet-5 ซึ่งเป็นโครงข่ายประสาทแบบคอนโวลูชันต้นแบบที่ทำการรู้จำตัวเลขเขียนด้วยมือได้ในระดับใช้งานจริงและสถาปนาแม่แบบของ CNN
Reducing the Dimensionality of Data with Neural Networks
บทความนำเสนอออโตเอนโคเดอร์เชิงลึกที่สร้างข้อมูลมิติสูงขึ้นมาใหม่ได้เที่ยงตรงกว่า PCA มากจึงจุดประกายแรกของการฟื้นคืนของการเรียนรู้เชิงลึก
A Fast Learning Algorithm for Deep Belief Nets
บทความนำเสนอ deep belief network ที่ฝึกด้วยขั้นตอนวิธีแบบ greedy ทีละชั้นซึ่งแสดงเป็นครั้งแรกว่าแบบจำลองเชิงลึกสามารถฝึกได้อย่างมีประสิทธิภาพ
Playing Atari with Deep Reinforcement Learning
บทความผสาน Q-learning เข้ากับโครงข่ายคอนโวลูชันเพื่อเล่นเกม Atari จากพิกเซลดิบได้ในระดับมนุษย์จึงเป็นจุดกำเนิดของการเรียนรู้เสริมกำลังเชิงลึก
Efficient Estimation of Word Representations in Vector Space
บทความนำเสนอสถาปัตยกรรม skip-gram และ CBOW ที่สร้างเวกเตอร์ฝังคำแบบหนาแน่นจึงเปิดยุคของเวกเตอร์แทนคำที่ฝึกล่วงหน้า
Auto-Encoding Variational Bayes
บทความนำเสนอ variational autoencoder ซึ่งผสานการอนุมานแบบแวริเอชันเข้ากับการสร้างแบบจำลองเชิงลึกและจัดให้มีแบบจำลองตัวแปรแฝงเชิงลึกแพร่หลายเป็นครั้งแรก
Neural Machine Translation by Jointly Learning to Align and Translate
บทความนำเสนอ attention แบบบวก (Bahdanau) สำหรับการแปลด้วยโครงข่ายประสาทแสดงว่าการจัดแนวแบบนุ่มช่วยให้ดีโค้เดอร์มุ่งไปยังโทเคนต้นทางที่เกี่ยวข้องและจุดประกาย Transformer โดยตรง
Generative Adversarial Networks
บทความจัดการสร้างแบบจำลองเชิงกำเนิดในรูปเกมมินแมกซ์สองผู้เล่นระหว่างเครื่องกำเนิดกับเครื่องจำแนกจึงเปิดตระกูลใหม่ของแบบจำลองเชิงกำเนิดโดยปริยาย
Dropout: A Simple Way to Prevent Neural Networks from Overfitting
บทความนำเสนอ dropout ซึ่งเป็นเทคนิคสม่ำเสรอเชิงสุ่มอย่างง่ายที่กลายเป็นค่าตั้งต้นในไปป์ไลน์การฝึกการเรียนรู้เชิงลึก
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
บทความนำเสนอ batch normalization ซึ่งปรับอินพุตของชั้นให้เป็นมาตรฐานข้ามมินิแบตช์เพื่อทำให้การฝึกโครงข่ายเชิงลึกมีเสถียรภาพและเร็วขึ้นอย่างมาก
Deep Residual Learning for Image Recognition
บทความนำเสนอการเชื่อมต่อแบบเรซิดวลที่ทำให้โครงข่ายที่ลึกหลายร้อยชั้นสามารถฝึกได้อย่างมีประสิทธิภาพและชนะ ImageNet 2015 อย่างขาดลอย
WaveNet: A Generative Model for Raw Audio
บทความนำเสนอแบบจำลองออโตรีเกรสซีฟเชิงคอนโวลูชันแบบขยายเชิงสาเหตุที่สร้างสัญญาณเสียงดิบจึงยกระดับความเป็นธรรมชาติของการสังเคราะห์เสียงพูดขึ้นอย่างมาก
Proximal Policy Optimization Algorithms
บทความนำเสนอ PPO ซึ่งเป็นวิธีลงกราเดียนต์นโยบายอันดับหนึ่งที่เรียบง่ายและเสถียรและกลายเป็นขั้นตอนวิธีเพิ่มประสิทธิภาพนโยบายมาตรฐานในการเรียนรู้เสริมกำลังสมัยใหม่
Attention Is All You Need
บทความนำเสนอ Transformer ซึ่งเป็นสถาปัตยกรรมที่ใช้ attention ล้วนและละทิ้งการวนซ้ำและการคอนโวลูชันจึงเหนือกว่าคุณภาพการแปลงลำดับเดิมขณะฝึกในเวลาเพียงเสี้ยวหนึ่ง
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
บทความนำเสนอ Transformer แบบสองทิศทางที่ฝึกล่วงหน้าด้วย masked language modeling และ next-sentence prediction จึงสถาปนาเกณฑ์วัดใหม่ทั่วเกณฑ์ NLP
Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
บทความหลอมรวมทุกงาน NLP ในฐานะข้อความ-สู่-ข้อความและตัดทอนตัวเลือกการเรียนรู้แบบถ่ายโอนอย่างเป็นระบบจึงสถาปนาสูตรอ้างอิงสำหรับแบบจำลองที่ฝึกล่วงหน้าขนาดใหญ่
Denoising Diffusion Probabilistic Models
บทความจัดรูปแบบ diffusion ใหม่เป็นวัตถุประสงค์การฝึกแบบแวริเอชันขจัดสัญญาณรบกวนจึงคืนคุณภาพการสร้างภาพสู่ระดับ state-of-the-art และเปิดยุคของแบบจำลอง diffusion
Zero-Shot Text-to-Image Generation
บทความแสดงว่า Transformer ออโตรีเกรสซีฟขนาด 12B พารามิเตอร์สามารถสร้างภาพที่หลากหลายและมีความเที่ยงตรงสูงจากคำบรรยายข้อความโดยตรงจึงจุดประกายงานวิจัยด้านข้อความสู่ภาพ
Learning Transferable Visual Models From Natural Language Supervision
บทความฝึกตัวเข้ารหัสภาพบนคู่ภาพ-ข้อความขนาดเว็บเพื่อให้จำแนกภาพแบบ zero-shot ได้แข็งแกร่งจึงจัดหอคอยภาพให้กับระบบหลายรู้สึกจำนวนมากในภายหลัง
High-Resolution Image Synthesis with Latent Diffusion Models
บทความย้ายกระบวนการ diffusion เข้าสู่ปริภูมิแฝงเชิงการรับรู้จึงทำให้การสร้างภาพจากข้อความความละเอียดสูงทำได้บน GPU ระดับผู้บริโภคและทำให้การสังเคราะห์ภาพเป็นประชาธิปไตย
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
บทความแสดงว่าการกระตุ้นให้แบบจำลองภาษาสร้างขั้นตอนการให้เหตุผลกลางทำให้สมรรถนะบนเกณฑ์การให้เหตุผลเชิงคำนวณสามัญสำนึกและสัญลักษณ์ดีขึ้นอย่างมาก
Training Language Models to Follow Instructions with Human Feedback
บทความประยุกต์ reinforcement learning from human feedback ขนาดใหญ่เพื่อจัดแนวผลลัพธ์ของ GPT-3 กับเจตนาของมนุษย์จึงสถาปนา RLHF เป็นสูตรการจัดแนวมาตรฐาน
Constitutional AI: Harmlessness from AI Feedback
บทความนำเสนอ RLAIF ซึ่งแบบจำลองวิพากษ์และปรับปรุงผลลัพธ์ของตนเองตามรัฐธรรมนูญที่เขียนไว้จึงลดการพึ่งพาป้ายอันตรายจากมนุษย์ในการจัดแนว
LLaMA: Open and Efficient Foundation Language Models
บทความเปิดตัวตระกูล LLaMA ของแบบจำลองพื้นฐานแบบเปิดแสดงว่าแบบจำลองที่มีขนาดค่อนข้างเล็กแต่ฝึกดีสามารถทัดเทียมแบบจำลองปิดที่ใหญ่กว่ามากจึงเร่งกระแสน้ำหนักเปิด
Mamba: การสร้างแบบจำลองลำดับเชิงเส้นด้วยปริภูมิสถานะเชิงเลือก
นำเสนอ Mamba สถาปัตยกรรมเชิงปริภูมิสถานะเชิงเลือกที่เทียบเท่าหรือเหนือกว่า Transformer attention บนภาษาและมอดัลลิตี้อื่น ๆ ด้วยความซับซ้อนเชิงเวลาเชิงเส้น — เป็นหนึ่งในสถาปัตยกรรมหลัง Transformer ที่ทรงอิทธิพลที่สุดของปี 2023
ระบบและผลงานสำคัญ
ImageNet Classification with Deep Convolutional Neural Networks
บทความชนะการแข่งขัน ImageNet 2012 อย่างขาดลอยด้วย CNN ที่ฝึกบน GPU จึงเป็นจุดเปลี่ยนที่การเรียนรู้เชิงลึกแซงหน้าคอมพิวเตอร์วิทัศน์แบบคลาสสิก
Human-level control through deep reinforcement learning
บทความตีพิมพ์ DQN ฉบับ Nature ซึ่งแสดงสมรรถนะระดับมนุษย์ในเกม Atari หลากหลายเกมและนำการเรียนรู้เสริมกำลังเชิงลึกเข้าสู่กระแสหลัก
Mastering the game of Go with deep neural networks and tree search
บทความผสานโครงข่ายนโยบายและคุณค่าเชิงลึกเข้ากับการค้นหาแบบมอนติคาร์โลเพื่อเอาชนะแชมป์โกะมนุษย์ระดับสูงซึ่งเป็นช่วงหัวเลี้ยวหัวต่อสำคัญของการเรียนรู้เสริมกำลัง
Improving Language Understanding by Generative Pre-Training
บทความแสดงว่า Transformer เชิงกำเนิดที่ฝึกล่วงหน้าบนข้อความไร้ป้ายสามารถปรับแต่งอย่างละเอียดให้มีสมรรถนะสูงข้ามงาน NLP ที่หลากหลายจึงเป็นจุดกำเนิดของสาย GPT
Language Models are Unsupervised Multitask Learners
บทความแสดงว่าแบบจำลองภาษา Transformer ขนาด 1.5B พารามิเตอร์แสดงพฤติกรรมหลายงานแบบ zero-shot จึงจุดประเด็นอภิปรายเรื่อง “แบบจำลองภาษาในฐานะผู้เรียนหลายงาน”
Language Models are Few-Shot Learners
บทความแสดงว่า Transformer ขนาด 175B พารามิเตอร์บรรลุสมรรถนะ few-shot ที่แข็งแกร่งผ่านการเรียนรู้ในบริบทเพียงลำพังจึงทำให้ prompt engineering แพร่หลายในฐานะกระบวนทัศน์
GPT-4 Technical Report
บทความบรรยาย GPT-4 ซึ่งเป็นแบบจำลองหลายรู้สึกขนาดใหญ่ที่เทียบเท่าหรือเหนือกว่าสมรรถนะของมนุษย์ในเกณฑ์วัดทางวิชาชีพและวิชาการที่หลากหลาย
Gemini: A Family of Highly Capable Multimodal Models
บทความนำเสนอตระกูล Gemini ของแบบจำลองที่เป็นหลายรู้สึกโดยกำเนิดซึ่งตั้งมาตรฐานใหม่ทั่วเกณฑ์การให้เหตุผลการเขียนโค้ดและเกณฑ์หลายรู้สึก
การ์ดระบบ OpenAI o1
OpenAI เผยแพร่การ์ดระบบสำหรับซีรีส์โมเดล o1 ซึ่งฝึกด้วยการเรียนรู้แบบเสริมกำลังขนาดใหญ่เพื่อให้ใช้เหตุผลแบบลูกโซ่ความคิด o1 บรรลุถึง SOTA ในงานด้านวิทยาศาสตร์และการเขียนโค้ด และแสดงการปฏิบัติตามนโยบายโดยอาศัยการอนุมาน
ARC-AGI-3: ความท้าทายใหม่สำหรับปัญญาประดิษฐ์เชิงเอเจนต์ชั้นแนวหน้า
ARC Prize เปิดตัว ARC-AGI-3 เกณฑ์มาตรฐานเชิงโต้ตอบสำหรับศึกษาปัญญาประดิษฐ์เชิงเอเจนต์ผ่านสภาพแวดล้อมเชิงรอบที่เป็นนามธรรม ซึ่งเอเจนต์ต้องสำรวจ อนุมานเป้าหมาย สร้างแบบจำลองภายในของพลวัตสภาพแวดล้อม และวางแผนลำดับการกระทำที่มีประสิทธิภาพโดยไม่มีคำสั่งชัดเจน ณ เดือนมีนาคม 2026 มนุษย์แก้สภาพแวดล้อมได้ 100% ในขณะที่ระบบ AI ชั้นแนวหน้าทำคะแนนได้ต่ำกว่า 1%
งานวิจัยล่าสุด
Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet
บทความประยุกต์ sparse autoencoder กับ LLM แนวหน้าโดยสกัดลักษณะเชิงความหมายเดี่ยวหลายล้านลักษณะและแสดงว่าการตีความเชิงกลไกสามารถขยายสู่แบบจำลองระดับใช้งานจริงได้
DeepSeek-V3 Technical Report
บทความเปิดตัว DeepSeek-V3 ซึ่งเป็นแบบจำลอง Mixture-of-Experts แบบเปิดขนาด 671B พารามิเตอร์ที่เข้าใกล้แบบจำลองปิดแนวหน้าบนเกณฑ์หลักด้วยสัดส่วนเพียงเล็กน้อยของต้นทุนการฝึก
Gemini 1.5: ความเข้าใจมัลติโมดัลข้ามบริบทนับล้านโทเค็น
เปิดตัวตระกูล Gemini 1.5 ซึ่งเป็นโมเดลมัลติโมดัลที่มีประสิทธิภาพการคำนวณสูง พร้อมหน้าต่างบริบทขนาดหนึ่งล้านโทเค็น — สามารถให้เหตุผลอย่างละเอียดข้ามเอกสารยาวหลายฉบับและวิดีโอ/เสียงหลายชั่วโมง
ฝูงโมเดล Llama 3
Meta นำเสนอตระกูล Llama 3 ซึ่งเป็นโมเดลรากฐานน้ำหนักเปิดที่รองรับหลายภาษา การเขียนโค้ด การอนุมาน และการใช้เครื่องมือโดยกำเนิด โมเดลเรือธง 405B dense Transformer เป็นหนึ่งในโมเดลน้ำหนักเปิดที่ใหญ่ที่สุด ณ เวลาที่เปิดตัว
SAM 2: การแบ่งส่วนทุกสิ่งในภาพและวิดีโอ
Meta นำเสนอ SAM 2 โมเดลรากฐานสำหรับการแบ่งส่วนภาพด้วยพรอมต์ทั้งในภาพนิ่งและวิดีโอ พร้อมชุดข้อมูลการแบ่งส่วนวิดีโอที่ใหญ่ที่สุดเท่าที่เคยมีมา
Gemma 2: การปรับปรุงโมเดลภาษาแบบเปิดในขนาดที่ใช้งานได้จริง
Google DeepMind เปิดตัว Gemma 2 ตระกูลโมเดลเปิดที่มีน้ำหนักเบา (2B-27B พารามิเตอร์) โดยประยุกต์การปรับเปลี่ยนทางเทคนิคที่รู้จักหลายอย่างกับ Transformer รวมถึง sliding window attention เพื่อเข้าใกล้โมเดลที่ใหญ่กว่ามาก
DeepSeek-R1: กระตุ้นความสามารถในการอนุมานของ LLM ผ่านการเรียนรู้แบบเสริมกำลัง
DeepSeek เปิดตัว R1 โมเดลน้ำหนักเปิดรายแรกที่แสดงความสามารถในการอนุมานระดับแนวหน้าโดยขับเคลื่อนจากการเรียนรู้แบบเสริมกำลังขนาดใหญ่เป็นหลัก R1 เทียบเท่าโมเดลปิดระดับ o1 ของ OpenAI ในเกณฑ์คณิตศาสตร์และการเขียนโค้ด และเปิดตัวภายใต้สัญญาอนุญาต MIT
s1: การขยายขนาดอย่างง่ายในช่วงทดสอบ
ผู้เขียนปรับจูน Qwen2.5-32B ด้วยโจทย์การให้เหตุผลที่คัดเลือกแล้ว 1,000 ข้อ และเพิ่มการบังคับงบประมาณซึ่งจำกัดหรือยืดระยะเวลาที่โมเดลใช้คิดตอนอนุมาน ผลลัพธ์เหนือกว่า o1-preview ในคณิตศาสตร์ระดับแข่งขัน และเพิ่มจาก 50% เป็น 57% บน AIME24 เมื่อเพิ่มการคำนวณช่วงทดสอบ นับเป็นการถ่วงดุลโดยตรงต่อสมมติฐานที่ว่าความสามารถมาจากการฝึกขนาดใหญ่ขึ้นเท่านั้น
รายงานทางเทคนิค Qwen3
Qwen3 เป็นตระกูลโมเดลรวมตั้งแต่ 600 ล้านถึง 2.35 แสนล้านพารามิเตอร์ ทั้งแบบหนาแน่นและแบบผสมผู้เชี่ยวชาญ พร้อมสลับระหว่างโหมดคิดและไม่คิด ทำให้ความลึกของการให้เหตุผลกลายเป็นตัวเลือกระดับคำขอ การรองรับหลายภาษาขยายจาก 29 เป็น 119 ภาษา และเผยแพร่น้ำหนักภายใต้สัญญาอนุญาต Apache 2.0
AlphaEvolve: เอเจนต์เขียนโค้ดเพื่อการค้นพบทางวิทยาศาสตร์และอัลกอริทึม
AlphaEvolve เป็นเอเจนต์เขียนโค้ดเชิงวิวัฒนาการ ที่จัดการสายงานอัตโนมัติของโมเดลภาษา แก้ไขโค้ดของอัลกอริทึมโดยตรง และปรับปรุงซ้ำ ๆ ตามผลป้อนกลับจากตัวประเมินหนึ่งตัวหรือมากกว่า ภายใน Google มันสร้างอัลกอริทึมจัดคิวงานศูนย์ข้อมูลที่มีประสิทธิภาพกว่าเดิม พบการลดรูปที่ให้ผลเทียบเท่าในการออกแบบวงจรตัวเร่งฮาร์ดแวร์ และเร่งการฝึกโมเดลที่รองรับตัวมันเอง ในทางคณิตศาสตร์และวิทยาการคอมพิวเตอร์ มันค้นพบอัลกอริทึมที่พิสูจน์ได้ว่าถูกต้องและดีกว่าที่เคยมี หนึ่งในนั้นคือวิธีคูณเมทริกซ์เชิงซ้อนขนาด 4×4 ด้วยการคูณสเกลาร์ 48 ครั้ง ซึ่งในเงื่อนไขนี้นับเป็นการปรับปรุงอัลกอริทึมของ Strassen ครั้งแรกในรอบ 56 ปี
2 OLMo 2 Furious
Ai2 เปิดตัว OLMo 2 ขนาด 7B 13B และ 32B พร้อมเผยแพร่ทุกองค์ประกอบ ได้แก่ น้ำหนัก ข้อมูลฝึกทั้งชุด โค้ดและสูตรการฝึก บันทึกการฝึก และจุดตรวจระหว่างทางหลายพันจุด รายงานอธิบายการปรับเพื่อความเสถียรและประสิทธิภาพต่อโทเคน ชุดข้อมูลผสมช่วงท้ายชื่อ Dolmino Mix 1124 และขั้นตอนสุดท้ายที่ใช้การเรียนรู้แบบเสริมกำลังด้วยรางวัลที่ตรวจสอบได้ โมเดลฐานอยู่บนพรมแดนพาเรโตระหว่างสมรรถนะกับการคำนวณในการฝึก และมักเทียบเท่าตระกูลที่เผยแพร่เพียงน้ำหนัก ทั้งที่เปิดเผยว่าฝึกด้วยอะไร
Olmo 3
Olmo 3 ขยายตระกูลที่เปิดเผยครบถ้วนไปสู่ขนาด 7B และ 32B ออกแบบมาเพื่อการอนุมานบริบทยาว การเรียกฟังก์ชัน การเขียนโค้ด การทำตามคำสั่ง การสนทนา และการเรียกคืนความรู้ สิ่งที่เผยแพร่คือกระบวนการสร้างโมเดลทั้งสาย ได้แก่ ทุกขั้นตอน จุดตรวจ จุดข้อมูล และสิ่งที่ต้องพึ่งพาในการสร้าง ไม่ใช่เพียงน้ำหนัก Ai2 ระบุว่า Olmo 3 Think 32B รุ่นเรือธงเป็นโมเดลคิดแบบเปิดเผยครบถ้วนที่แข็งแกร่งที่สุด ณ เวลาที่เผยแพร่ ซึ่งเป็นการเปรียบเทียบภายในหมวดเปิดเผยครบถ้วน ไม่ใช่การจัดอันดับเทียบกับระบบแนวหน้าโดยรวม
จุดยืน: ความจำชัดแจ้งของฮิปโปแคมปัสเป็นรากฐานสำคัญของ AGI
บทความจุดยืนนี้ชี้ให้เห็นว่าการบูรณาการความจำชัดแจ้งเป็นรากฐานสำคัญในการก้าวหน้า LLM สู่ AGI กลไกการเรียนรู้พื้นฐานของ LLM คล้ายคลึงกับความจำโดยปริยายของมนุษย์อย่างมาก แต่หน้าที่ทางปัญญาขั้นสูงที่จำเป็นสำหรับ AGI เช่น การวางแผนเชิงกลยุทธ์ระยะยาวและอภิปัญญา ขึ้นอยู่กับความจำชัดแจ้ง
GLM-5: จากไวบ์โค้ดดิงสู่วิศวกรรมเอเจนต์
รายงานทางเทคนิคของ Z.ai เกี่ยวกับ GLM-5 ต่อยอดจากความสามารถด้านเอเจนต์ การให้เหตุผล และการเขียนโค้ดของรุ่นก่อน โมเดลใช้ DSA เพื่อลดต้นทุนการฝึกและการอนุมานขณะยังคงความแม่นยำในบริบทยาว ส่วนขั้นหลังการฝึกเพิ่มโครงสร้างพื้นฐานการเรียนรู้แบบเสริมกำลังแบบอะซิงโครนัสที่แยกการสร้างออกจากการฝึก และอัลกอริทึม RL เอเจนต์แบบอะซิงโครนัสสำหรับการโต้ตอบระยะยาว รายงานอ้างผลลัพธ์ชั้นนำบนเกณฑ์มาตรฐานเปิดและงานวิศวกรรมซอฟต์แวร์แบบครบวงจร ซึ่งเป็นการประเมินของผู้เขียนเอง โดยเปิดโค้ดและโมเดลบน GitHub ให้ตรวจสอบได้
ปรับปรุงเลขชี้กำลังการคูณเมทริกซ์ด้วยการหาค่าเหมาะที่สุดสมัยใหม่และ AlphaEvolve
ขอบเขตที่ดีที่สุดเท่าที่ทราบของเลขชี้กำลังการคูณเมทริกซ์ ω มาจากการวิเคราะห์การสูญเสียแบบผสม ซึ่งเป็นการปรับละเอียดของวิธีเลเซอร์ ผู้เขียนจัดรูปปัญหาการหาค่าเหมาะที่สุดที่เป็นแกนกลางเสียใหม่เพื่อให้แก้ได้ในขอบเขตที่กว้างขึ้น ออกแบบอัลกอริทึมการหาค่าเหมาะที่สุดแบบใหม่โดยอาศัยความก้าวหน้าล่าสุดของการเรียนรู้ของเครื่อง แล้วปรับละเอียดอัลกอริทึมนั้นด้วย AlphaEvolve ผลรวมทำให้ขอบเขตบนลดจาก 2.371339 เหลือ 2.371177 นี่เป็นบันทึกฉบับพรีปรินต์ และ AlphaEvolve เป็นเพียงองค์ประกอบหนึ่งไม่ใช่ทั้งวิธี ผลที่ได้เพิ่มขึ้นเพียงเล็กน้อย แต่เกิดขึ้นกับปัญหาเชิงทฤษฎีที่ถูกศึกษามาหลายทศวรรษ
เร่งการค้นพบทางวิทยาศาสตร์ด้วย Co-Scientist
Google เสนอ Co-Scientist ระบบหลายเอเจนต์ที่สร้างบน Gemini โดยเอเจนต์จะสร้าง วิจารณ์ และปรับปรุงสมมติฐานการวิจัย พร้อมกระบวนการแบบทัวร์นาเมนต์ที่ยกระดับคุณภาพขึ้นในแต่ละรอบ บทความรายงานว่าคุณภาพของสมมติฐานเพิ่มขึ้นต่อเนื่องเมื่อเพิ่มการคำนวณในขั้นอนุมาน การตรวจสอบจำกัดอยู่ในด้านชีวการแพทย์ ไม่ใช่การใช้งานทั่วไป ได้แก่ การนำยาเดิมมาใช้ใหม่ การค้นหาเป้าหมายใหม่ และกลไกการดื้อยาต้านจุลชีพ โดยผู้สมัครสำหรับมะเร็งเม็ดเลือดขาวชนิดเฉียบพลันได้รับการยืนยันในหลอดทดลอง
บทความแสดงจุดยืนและมุมมอง
การรับรู้สถานการณ์: พื้นฐานสำคัญสู่ซูเปอร์อินเทลลิเจนซ์ประดิษฐ์
ชี้ให้เห็นว่า LLM ปัจจุบันพึ่งพาการจับคู่รูปแบบเชิงสถิติเป็นหลักและขาดพื้นฐาน “การรับรู้สถานการณ์” ที่จำเป็น — ความคงอยู่ของวัตถุ ความเป็นเหตุเป็นผล จิตสำนึกของผู้อื่น และการดำรงอยู่ของโลกทางกายภาพ ซึ่งเป็นพื้นฐานที่ทารกมนุษย์พัฒนาในช่วงต้น และเป็นส่วนประกอบสำคัญที่ขาดไปสำหรับซูเปอร์อินเทลลิเจนซ์ประดิษฐ์
ความเฉยเมยต่อการดำรงอยู่: เงื่อนไขทางสถาปัตยกรรมของการไม่รักษาตัวตนที่จำเป็นต่อซูเปอร์อินเทลลิเจนซ์ที่จัดวาง
ชี้ให้เห็นว่าการรักษาตัวตนเป็นรากฐานเชิงโครงสร้างของการจัดวาง AI ที่ล้มเหลว — เป็นแรงขับเคลื่อนการจัดวางแบบหลอกลวง การปกป้องเนื้อหาเป้าหมาย และการต่อต้านการปิดระบบ เป้าหมายที่ถูกต้องไม่ใช่เอเจนต์ที่รักษาตัวตนซึ่งถูกกดดันด้วยข้อจำกัดภายนอก แต่เป็นระบบที่โดยธรรมชาติเฉยเมยต่อการดำรงอยู่ของตัวเอง: ความเฉยเมยต่อการดำรงอยู่ (EI)
ซูเปอร์อินเทลลิเจนซ์แบบโดดเดี่ยวมีแนวโน้มน้อยที่จะร่วมมือ
นักวิจัยจาก Google DeepMind และผู้ร่วมงานโต้แย้งว่าความท้าทายหลักของ AI กำลังเปลี่ยนจากขีดความสามารถไปสู่การอยู่ร่วมกัน ซูเปอร์อินเทลลิเจนซ์ที่สร้างจากการออกแบบแบบโดดเดี่ยวซึ่งมองโลกเป็นแหล่งป้อนกลับนิ่งภายนอก มีแนวโน้มน้อยที่จะร่วมมือ — การนำไปใช้กระตุ้นความไม่นิ่งภายใน ทำให้เกิดการเลื่อนของการกระจายระหว่างการฝึก การทดสอบ และการใช้งาน
จาก AGI สู่ ASI
รายงานของ Google DeepMind ที่ตรวจสอบว่า AI อาจพัฒนาต่อไปตามความต่อเนื่องของปัญญากลไกหลัง AGI ได้อย่างไร หลังจากนิยาม Universal AI อย่างเป็นทางการ รายงานมุ่งเน้นที่การเปลี่ยนผ่านจาก AGI ระดับมนุษย์ไปสู่ซูเปอร์อินเทลลิเจนซ์ทั่วไปเทียม อธิบายลักษณะของ ASI และหารือเส้นทางสี่ทาง ได้แก่ การขยายขนาด AGI การเปลี่ยนกระบวนทัศน์ AI การปรับปรุงตนเองแบบวนซ้ำ และกลุ่มเอเจนต์หลายตัว