บทความในหมวด
งานวิจัยใหม่ชี้ให้เห็นว่าเอไอเอเจนต์มีความเชี่ยวชาญด้านวิศวกรรม ML แต่ขาดความเข้าใจเชิงลึกในโดเมนสำหรับการค้นพบทางวิทยาศาสตร์ ตามผลการศึกษาจากเกณฑ์มาตรฐาน Agent4Sci
กระบวนการค้นพบแบบผสมผสานระหว่างมนุษย์และ AI ช่วยให้เกิดการสร้างพหุนามที่ลดทอนไม่ได้ ซึ่งมีค่า Mahler ต่ำกว่าจุดจำกัดของ Boyd สำหรับทุกดีกรีคู่จนถึง 2000 ทำลายสถิติเดิมที่อยู่ที่ดีกรี 180 ทีมวิจัยได้เผยแพร่ชุดข้อมูลที่ผ่านการตรวจสอบแล้ว และนำเสนออัลกอริทึม Generalized Boyd
AlphaDiana เผยให้เห็นว่าเหตุใดการเพิ่มเครื่องมือและความจำให้กับเอไอเอเจนต์จึงมักล้มเหลว ค้นพบวิธีการประเมินแบบ harness-aware ที่เผยให้เห็นความเสียเปรียบด้านความแม่นยำที่ซ่อนอยู่ของ LLMs
ยกระดับความน่าเชื่อถือของเอเจนต์เขียนโค้ดด้วยข้อมูลเชิงลึกจาก SWE-bench เรียนรู้วิธีการสอนเรื่องตำแหน่งและการแก้ไขที่หลากหลายเพื่อเพิ่มประสิทธิภาพและลดต้นทุนการคำนวณ
Proxy Confidence ใช้โมเดลตัวแทนเพื่อตรวจสอบการทำงานของ LLM แบบกล่องดำ ช่วยให้ได้ความแม่นยำสูงกว่าการรายงานด้วยตนเอง ด้วยวิธีการตรวจสอบแบบโอเพนซอร์ส
ค้นพบสาเหตุที่ Praxa AI Agents ใช้โทเค็นมากกว่าบรรทัดฐานถึง 37% เพื่อรับประกันความน่าเชื่อถือผ่านการตรวจสอบแบบกำหนดได้และประตูการทำงานที่เข้มงวด
ค้นพบ ZGCM-1 โมเดลภาษาขนาดใหญ่ (LLM) ขนาด 7B ที่เปิดเผยซอร์สโค้ดทั้งหมด ซึ่งสามารถแข่งขันกับ Qwen3 ได้ เรียนรู้วิธีการที่กลไก Attention แบบไฮบริดและการค้นหาแบบเอเจนต์ช่วยเพิ่มประสิทธิภาพและสมรรถนะของโมเดล
สำรวจ AlphaGenome Atlas แผนที่ข้อมูลความแปรผันของ DNA จำนวน 9 พันล้านคู่เบสขนาดหนึ่งเพตะไบต์จาก Google DeepMind โดยเปิดให้เข้าถึงได้ฟรีสำหรับการวิจัยทางวิชาการผ่านเว็บพอร์ทัลที่ใช้งานง่าย
Anthropic ได้เปิดตัวมาตรฐานฮาร์ดแวร์โมเดล (MHS) ซึ่งเป็นเฟรมเวิร์กที่ออกแบบมาเพื่อให้เอเจนต์ AI สามารถโต้ตอบกับเครื่องจักรทางกายภาพ เช่น หุ่นยนต์และอุปกรณ์ในห้องทดลอง ระบบนี้ใช้ส่วนติดต่อที่เป็นมาตรฐานและแท็กความปลอดภัยเพื่อจัดการข้อจำกัดในโลกจริง โดยอยู่ระหว่างการทดสอบเบื้องต้นร่วมกับพันธมิตรด้านการวิจัยบางราย
Nvidia และ Stripe นำการเข้าซื้อกิจการ AI แบบโอเพนเวตมูลค่า 26 พันล้านดอลลาร์ สำรวจเหตุผลที่บริษัทเทคโนโลยีรายใหญ่กำลังซื้อระบบนิเวศของนักพัฒนา แม้ว่าการนำไปใช้ในองค์กรจะยังอยู่ในระดับต่ำ
Anthropic ได้เปิดตัวโครงการใหม่ที่มอบเครดิต API ฟรีให้กับนักวิจัยในสาขาชีววิทยาและวิทยาศาสตร์ชีวิต เพื่อสนับสนุนงานวิจัยที่มุ่งเร่งการค้นพบผ่านเครื่องมือ AI ขั้นสูงอย่าง Claude Science โดยโปรแกรมนี้มีระดับเงินทุนที่แตกต่างกัน และมีการจำกัดบางภูมิภาคเนื่องจากข้อบังคับด้านการส่งออก
Stability AI ระดมทุน Series B ได้ 76 ล้านดอลลาร์สหรัฐ โดยมีกลุ่มบริษัทบันเทิงและเกมชั้นนำอย่าง Universal Music Group, Warner Music Group, Sony Music Group และ Electronic Arts เป็นผู้สนับสนุนการลงทุนครั้งนี้ สะท้อนถึงความสนใจที่เพิ่มขึ้นในอุตสาหกรรมต่อการพัฒนาเครื่องมือปัญญาประดิษฐ์แบบสร้างเนื้อหา (Generative AI) ร่วมกั
Google DeepMind เปิดตัว Gemini 3.7 Flash ซึ่งช่วยยกระดับประสิทธิภาพด้านการเขียนโค้ดและการทำงานของเอเจนต์ได้อย่างมีนัยสำคัญ พร้อมลดต้นทุนเริ่มต้นสำหรับนักพัฒนาลงครึ่งหนึ่ง
Meta เปิดตัวโมเดลเอเจนต์โอเพนซอร์ส Muse Glimmer ขนาด 30 พันล้านพารามิเตอร์ ที่ออกแบบให้ทำงานบนการ์ดจอผู้บริโภคได้ทันทีโดยไม่ต้องพึ่งคลาวด์ สิ่งนี้ช่วยเปลี่ยนกลยุทธ์ AI สู่การประมวลผลในเครื่องเพื่อความเป็นส่วนตัวและความเร็วที่ดียิ่งขึ้น
ค้นพบ Meta Muse Code ตัวแทน AI ใหม่สำหรับจัดการโค้ดในรีโพสิตอรีขนาดใหญ่ พัฒนาบนพื้นฐานของ Muse Spark 1.2 ที่รองรับการประมวลผลแบบขนานด้วยต้นทุนที่ต่ำกว่าคู่แข่ง
Open Secure AI Alliance ร่วมมือ Nvidia-Microsoft สร้างโซลูชันโอเพนซอร์สเพื่อปกป้องระบบไซเบอร์จากภัยคุกคาม AI มีสมาชิกกว่า 37 บริษัทจากคลาวด์และชิปในปี 2569
Anthropic ยืนยันไม่ขัดขวางโมเดลเปิด AI แต่เตือนว่าการพัฒนาเทคโนโลยีของจีนอาจก่อความเสี่ยงต่อความมั่นคงของชาติ หากไม่มีการควบคุมที่เหมาะสม
Granite Embedding Multilingual R2 โมเดลฝังข้อความหลายภาษา รองรับกว่า 200 ภาษาและความยาวบริบท 32,768 โทเค็น ให้การค้นหาข้ามภาษาที่แม่นยำสำหรับองค์กร
Grabette ระบบบันทึกข้อมูลหุ่นยนต์ ใช้ฮาร์ดแวร์ราคาต่ำเช่น Raspberry Pi, กล้อง Pi, เซนเซอร์ OAK-D ทำให้การเก็บข้อมูลการจัดการหุ่นยนต์ง่ายสำหรับนักวิจัย
Inkling โมเดลเปิด-weight 975 พันล้านพารามิเตอร์จาก Thinking Machines เป็น MoE Transformer ใช้เพียง 41 พันล้านพารามิเตอร์ต่อการทำงาน รองรับข้อความ ภาพ เสียงและวิดีโอ ลดต้นทุน
หลีกเลี่ยงกับดักการขยายขนาด ค้นพบว่าทำไม AI แบบโอเพนซอร์สจึงเป็นทางเลือกที่ชาญฉลาดและคุ้มค่ากว่าสำหรับนักพัฒนาเดี่ยวและสตาร์ทอัพ เมื่อเทียบกับ API แบบปิด
ค้นพบเหตุผลว่าทำไมกลยุทธ์ AI แบบผสมผสานจึงเป็นทางเลือกที่เหนือกว่าในปี 2026 เปรียบเทียบโมเดล LLM แบบโอเพนซอร์สอย่าง Llama 4 กับโมเดลเชิงพาณิชย์อย่าง GPT-5 ในด้านต้นทุนและความสามารถในการให้เหตุผล
