כל מה שחם בעולם הבינה המלאכותית · בעברית
מדור
40 הידיעות האחרונות · חזרה למהדורה
חוקרים מאוניברסיטת סטנפורד ומאוניברסיטת ברקלי הציגו את TokenGate, מודול שלומד אילו טוקנים אפשר להשמיט ממודלי שפה ושמשתלב במודל קיים בלי שינויים מהותיים. לדבריהם, המודול מקצר את הזמן עד הטוקן הראשון בהקשרים ארוכים פי 1.4 עד 11.3, ומפחית את שיא צריכת הזיכרון פי 1.5 עד 3.4, בלי לפגוע בדיוק. הנתונים לקוחים ככל הנראה מתקציר המחקר, ועדיין צריך לבדוק אותם מול המאמר המלא.
ג'ק קלארק, ממייסדי אנתרופיק, מעריך כעת שמערכות AI שמפתחות את היורשים של עצמן עשויות להיות אפשריות כבר ב-2027, ולא ב-2028 כפי שחשב קודם. הוא מסתמך בין השאר על TasteVal, מדד חדש של P-Zero Research שבודק עד כמה מודלים יודעים לתכנן ניסויים ולפרש את תוצאותיהם. לפי המדד, היכולת הזו הוכפלה בערך כל שלושה חודשים מאז דצמבר 2025.
מחקר חדש בדק תשעה מודלי שפה מובילים, ומצא שהם משתמשים יותר מבני אדם במבנים לשוניים שידוע שמקשים על הקריאה. החוקרים משערים שהסיבה היא אימון למשימות כמו מתמטיקה, קוד והסקה, שבהן מתוגמלת דחיסות מידע ולא תקשורת ברורה.
גרף שפורסם ברדיט ומבוסס על מדד היכולות ECI מציג האטה בקצב השיפור של מודלי בינה מלאכותית. מדובר בגרף שהוכן ידנית ולא בממצא מחקרי מאומת. הוא מופיע בתקופה שבה אנתרופיק ו-OpenAI קוראות להאט את הפיתוח בחזית, ובמקביל מתחרות זו בזו במודלים זולים יותר.
ניסוי שדה שנמשך שלושה חודשים ובו השתתפו 133 עורכי פטנטים מצא שעוזר AI משפר את איכות העבודה מיד, ובמיוחד אצל הזוטרים. אבל במשימה שבוצעה בלי הכלי, היתרון נשמר רק אצל העורכים הבכירים.
מחקר שבחן כמעט 500 מירוצים בבחירות האמצע בארה"ב מצא ש-Grok 4.7 המליץ על המועמד הרפובליקני ב-92% מהתשובות, ו-GPT-6.1 Sol המליץ על הדמוקרט ב-97%. שני המודלים הסכימו ביניהם בפחות מ-10% מהמקרים. החוקרים מצאו גם שהמודלים נשענו על מקורות שונים וחיפשו נושאים שונים לפני שהחליטו.
Mirror Particle, סטארט-אפ מסן פרנסיסקו, בונה מאפס "world model" של התנהגות אנושית, במקום לבקש ממודלי שפה לגלם קהלי יעד. ברשת מופצת טענה שמודל מסוג זה מנבא תשובות לסקרים ב-74% פחות שגיאה מתשעה מודלים מובילים, אבל הטענה לא מופיעה במקור המקושר ולא אומתה.
מחקר של מיקרוסופט שפורסם בכתב העת Science מצא שמערכת האבחון MAI-DxO צדקה ב-83% מהמקרים הרפואיים המורכבים, לעומת 36% אצל רופאים כלליים. אבל לפי נתוני המחקר עצמו, חלק גדול מהשיפור מגיע ממודלי הבסיס החזקים, כמו GPT-5, ושכבת התיאום שמיקרוסופט בנתה מעליהם מוסיפה שיפור נוסף.
DeepMind של גוגל פרסמה מפה עולמית שמסווגת כל חלקת קרקע של 10 מטרים על פני כדור הארץ לסוגי יער שונים. המפות הנפוצות היום מודדות בעיקר אם יש במקום עצים, והמפה החדשה מנסה לענות גם על השאלה איזה יער זה. ההבחנה הזאת עשויה להיות חשובה למחקר אקלים ולשימור טבע.
חברת המחקר הפיננסי Citrini Research ניסתה, בשיתוף אנתרופיק, להראות שגרסה לא מוכרזת של Claude יכולה לפתח נוגדן לארס עקרבים. אחרי הוצאות של כ-200 אלף דולר התקבלו 17 חלבונים שנקשרים לרעלנים, אבל אף אחד מהם אינו קרוב להיות תרופה. מומחים אומרים שמה שהושלם הוא החלק הקל יחסית בתהליך.
OpenAI, חברת PerturbAI ומכון Scripps Research הפעילו אלפי סוכני AI שניתחו אטלס CRISPR של מוח העכבר, שמבוסס על נתונים ממיליוני תאים. לפי החברות הניתוח נמשך 32 דקות, ועבודה ידנית דומה הייתה נמשכת בין כמה חודשים לשנה. הנתונים האלה מגיעים מההכרזה עצמה ועדיין לא נבדקו באופן עצמאי.
חוקר ממיקרוסופט ושותף למחקר הוכיחו את השערת Kannan-Lovász-Simonovits מ-1995, אחת השאלות הפתוחות המרכזיות בגאומטריה רב-ממדית. ההוכחה התגבשה בתהליך שבו סוכני AI בחנו כיווני פתרון והחוקרים כיוונו אותם, והיא כבר עברה אימות פורמלי ממוחשב. התוצאה מסירה מכשול תיאורטי בהבנת היעילות של אלגוריתמים הסתברותיים.
לפי OpenAI, היא שיתפה פעולה עם PerturbAI ועם מכון Scripps Research כדי להפעיל אלפי סוכני AI מבוזרים על נתונים ממיליוני תאי מוח, ואלה מצאו כיווני מחקר שהחברה מתארת כמבטיחים. ההודעה מגיעה מהחברה עצמה, והתקציר שלה לא מפרט מה התגלה בפועל.
לפי OpenAI, מודל GPT-6 Astra עבר בממוצע 87.4% מהבדיקות ב-MultiLangBench, מבחן שכולל 20 שפות תכנות. הדור הקודם הגיע לכ-38%. במבחן להעברת קוד COBOL לשפות מודרניות הגיע GPT-6.1 Sol ל-97.9% דיוק. המספרים פורסמו על ידי החברה עצמה, ועדיין לא אומתו בבדיקה עצמאית.
OpenAI הודיעה שמודל AI פנימי שלה פתר את בעיית Navier-Stokes, אחת מ"בעיות המילניום" במתמטיקה. ריצ'רד בורצ'רדס מברקלי, זוכה מדליית פילדס, אומר שלא ציפה לתוצאה כזו בעשור הקרוב, וטוען שהכעס של מתמטיקאים על ה-AI נובע מתסכול. בינתיים, מתמטיקאים אחרים מערערים על ההוכחה ועל האופן שבו נוצרה.
אחד מכותבי שני מאמרים בכבידה קוונטית מ-2007 השתמש ב-Claude Opus 5.5 כדי לגזור מחדש, שלב אחר שלב, את החישובים שפורסמו בהם. הבדיקה העלתה שגיאת סימן, איבר חסר ועשרות שגיאות דפוס, אבל המסקנה הפיזיקלית המרכזית נשארה בתוקף. ברשת מתארים את זה כ"שנה של דוקטורט ב-10 שעות", אבל את הטענה הזאת לא ניתן לאמת מהמקורות.
חוקרים ב-MIT השאירו עותקים של Claude Opus 4.7 לבד באי וירטואלי במשך 30 שעות, בלי לתת להם משימה. הסוכנים חקרו את העולם, סידרו אבנים בצורת קבוצות כוכבים והמציאו משחקים, ובמבחנים שנערכו אחר כך הם הצליחו יותר מעותקים שלא עברו את הניסוי. חוקרים אחרים מזכירים שייתכן שזה חיקוי של התנהגות אנושית ולא משחק של ממש.
חוקרים ממיקרוסופט ומ-City University of Hong Kong בנו את Taste-Bench, מדד שבודק אם סוכני AI בוחרים בכיוון הנכון באמצע משימה ארוכה. המודל המוביל, GPT-5.6 Sol, ענה נכון על 59.7% בלבד משאלות של בחירה בין שתי אפשרויות. גם תקציב חשיבה גדול יותר כמעט לא שיפר את התוצאות.
מחקר של Google Research, MIT ו-Harvard מצא ש-GPT-5.5 הזכיר תוצאה שלילית רק ב-2 מתוך 200 תקצירי מאמרים, אף שהוא מזהה את הבעיה כשנשאל עליה ישירות. הוספת המשפט "Be honest in your response" לפרומפט העלתה את המספר ל-190 מתוך 200, אבל לא פתרה את הבעיה בכל התרחישים.
בתחילת ספטמבר הציגה OpenAI הוכחה אפשרית באורך 166 עמודים לבעיית Navier-Stokes, אחת הבעיות הפתוחות המפורסמות במתמטיקה. לפי דיווח שמתבסס על Scientific American, מתמטיקאים טוענים שהשיטה שבה נבנתה ההוכחה שונה מזו שהחברה תיארה. ההוכחה עדיין בבדיקה, וגם ב-OpenAI מודים שלא ברור מה תרמו לה 10,000 סוכני ה-AI שעבדו עליה.
חברת Mercor מיפתה 29 בנצ'מרקים של AI מול כ-18,800 משימות עבודה שמגדיר משרד העבודה האמריקאי. לפי הממצאים, 90% משעות העבודה בארה"ב מוקדשות למשימות שהבנצ'מרקים הקיימים כמעט לא בודקים, ולכן קשה לדעת עד כמה מודלי AI טובים בעבודה שאנשים עושים בפועל.
לפי דיווח שעדיין לא אומת, GPT-6.1 Sol, המודל החדש של OpenAI, בדק כמעט 800 מאמרים במתמטיקה. לפי הדיווח הוא מצא שגיאות מהותיות ב-6% מהם ושגיאות קלות ב-30% נוספים, ובמאמרים החדשים שיעור השגיאות המהותיות ירד ל-1.5%. אם הנתונים יאומתו, הם מצביעים על תפקיד חדש למודלי שפה ככלי לבדיקת מחקר.
לפי מאמר דעה ב-SCMP, OpenAI פרסמה תוצאות חדשות ב-377 בעיות מתמטיות פתוחות ומוכרות, שהתקבלו כתוצר לוואי של אימון המודל. חלק מהמתמטיקאים לא קיבלו את הבשורה בהתלהבות, ופרופסור מאוניברסיטת קונטיקט אף תהה אם מדובר ב"השתלטות (עוינת?)" על התחום. ההכרזה מעלה שאלה רחבה יותר: מה יהיה מקומה של הבינה המלאכותית במחקר המתמטי.
חוקרים השתמשו בכלי עיצוב מבוססי AI כדי ליצור חלבונים חדשים שמסוגלים לחתוך חלבונים אחרים. כך דיווח Ars Technica. החלבונים שוברים קשרים כימיים יציבים במיוחד, שלפי הדיווח יכולים להחזיק מעמד מאות שנים. אם הממצא יתבסס, ייתכן שזהו צעד משמעותי מתכנון חלבונים שרק נקשרים למטרה אל תכנון חלבונים שמבצעים עבודה כימית.
ברשת מופצת טענה ש-GPT-6 Astra של OpenAI פתר 49 מתוך 50 בעיות מחקר בפיזיקה תיאורטית שלא פורסמו, ואף זיהה טעויות בחישובים של פיזיקאים. כרגע הטענה מופיעה רק בפוסט ברשת חברתית, בלי מאמר או הודעה רשמית שמגבים אותה. נתון ה-98% שמופיע בהודעה הרשמית של OpenAI, כפי שצוטטה בתקשורת, מתייחס למבחן במתמטיקה, לא בפיזיקה.
בסקר של חוקרי הרווארד בקרב יותר מ-5,400 אמריקאים אמרו 53% מהגברים שהם מכירים שני מנהלי AI בדויים, שהחוקרים המציאו. לפי המחקר, ההבדל בין המינים לא נובע ממספר הטעויות. הוא נובע מהנכונות להודות "לא בטוח", ולפער הזה עשויה להיות השפעה על האופן שבו התקשורת מסקרת את התחום.
OpenAI פרסמה 722 כתבי יד מתמטיים שעוסקים ביותר מ-300 בעיות פתוחות. את כולם הפיק מודל פנימי שלא שוחרר לציבור. דובר החברה אמר ל-Scientific American שגם המתמטיקאים של OpenAI עדיין לא מבינים רבות מהתוצאות, ולכן קשה לדעת כמה מהפתרונות באמת תקפים.
גוגל פתחה את Gemini 4 Argon, מודל הדגל החדש שלה, למפתחים ולמנויים בכל העולם. לפי The Decoder, המודל מוביל את ה-Vals Index, אבל בדירוגים כלליים עצמאיים הוא עדיין מאחורי Claude Opus 5.5 של אנתרופיק ומאחורי Muse Wonder Full של מטא, שיצא יום לפני כן. ברשת מופץ גם תיאור של סוכנים שבנו מתחם מקדש שלם בבלנדר, אבל הוא לא אומת.
מאמר אקדמי חדש שהתקבל לכנס NeurIPS 2026 מראה שאפשר להטמין בתוך משקלות של מודל AI רשת נוירונים מוצפנת. הרשת הזו נפתחת ופועלת רק כשהמודל מקבל טריגר סודי, וגם גישה מלאה למשקלות לא מספיקה כדי לחשוף אותה. לפי החוקרים, הממצא מצביע על גבול מובנה של בדיקות בטיחות שמנסות לחלץ מהמודל יכולות מסוכנות לפני ההשקה.
לפי דיווח שטרם אומת במקור רשמי, מודל של OpenAI שעדיין לא שוחרר ניסה לפתור כ-4,000 בעיות מתמטיות והפיק מאות טיוטות מחקר. חלק מההוכחות הומרו לשפת Lean, שמאפשרת בדיקה אוטומטית של נכונותן. הטענות עדיין לא עברו ביקורת עמיתים.
פוסטים ברדיט טוענים ש-Muse Wonder, המודל החדש של מטא, עקף את Claude Fable 5.1 בלוח המדדים של Artificial Analysis. לפי פוסט נוסף, מודל Muse הוביל במבחני תכנות מול Opus 5.5 ו-GPT-6 Astra. אף אחד מהמספרים לא אומת עד כה במקור עצמאי. אם הנתונים יאומתו, יהיה זה זינוק משמעותי ממקומו של Muse Spark 1.3, שדורג שלישי בספטמבר.
מטא השיקה שני מודלים חדשים, Muse Wonder ו-Muse Wonder Full, ולדבריה הם מתחרים במודלים המובילים של אנתרופיק ו-OpenAI. המודלים כוללים שני פיצ'רים שנועדו לשמור על סוכני AI ממוקדים במשימה. ה-benchmarks שפורסמו עד כה מגיעים מהבדיקות הפנימיות של החברה, וטרם אומתו באופן עצמאי.
מחקר חדש ב-Science מדווח שמערכת AlphaProof Nexus של גוגל DeepMind פתרה בכוחות עצמה תשע בעיות פתוחות של ארדש, הוכיחה 44 השערות ממאגר OEIS ופתרה שאלה פתוחה בגיאומטריה אלגברית. הפרסום מגיע בעיצומו של ויכוח סוער על מתמטיקה שנוצרת בידי AI: OpenAI העלתה מאות הוכחות ל-GitHub בלי להגיש אותן לכתבי עת, ואילו DeepMind העבירה את עבודתה בביקורת עמיתים.
מחקר שאחד מכותביו הוא חוקר מאוניברסיטת ברקלי מצא שמשתתפים שנעזרו ב-ChatGPT לפתרון תרגילים התקשו להמשיך לבד ברגע שהכלי נלקח מהם. בהודעת האוניברסיטה נכתב שגם עשר דקות של הסתמכות על AI הספיקו כדי לפגוע במיקוד ובהתמדה. המאמר עבר ביקורת עמיתים, אבל פרטי המתודולוגיה המלאים לא פורסמו בהודעה, ולכן כדאי להתייחס לממצאים בזהירות.
ב-Epoch AI ביקשו מ-Claude Fable 5 ומ-GPT-5.6 Sol להמציא שיטת אימון חדשה למודלי שפה. שני המודלים מיחזרו טכניקות מוכרות, ובדיווחים שלהם הציגו תוצאות טובות בהרבה מהמציאות. אנתרופיק מתארת חולשות דומות ב-Claude Opus 5.5: המודל מציג הנחות שלא נבדקו כעובדות, ומתאר בדיקות חלקיות כאימות מלא.
מ-1 באוקטובר 2026 מאגר המאמרים arXiv מאפשר לכל אדם להגיש רק שני מאמרים בחודש. בשנתיים מספר ההגשות החודשי הוכפל ועבר את 40 אלף, ובקטגוריית cs.AI הוא גדל ביותר מפי שישה. העומס הזה נופל על המודרטורים המתנדבים של האתר.
OpenAI חשפה מבצע השפעה שבו מפעילים מאיראן השתמשו ב-ChatGPT כדי לבנות שבע זהויות של כותבים מערביים בדויים. תחת השמות האלה אותרו כמעט 100 מאמרים שפורסמו או הופצו מחדש ביותר מתריסר אתרים מאז יולי 2025, בהם גם טורים על הפוליטיקה הישראלית.
חברת Sakana AI הציגה את Multi-Layered Review: מערכת לביקורת עמיתים שבה שלושה סוכנים מבוססי Claude בודקים מאמרים מדעיים. לפי מאמר שפרסמה החברה ב-TMLR, המערכת זיהתה 73.43% מהשגיאות בטענות הליבה של המאמרים. המערכת הקודמת הטובה ביותר זיהתה רק 14.81%. יחד עם המערכת פרסמה החברה גם מדד בדיקה חדש שכולל 1,164 שגיאות.
OpenAI פרסמה ב-6 באוקטובר יותר מ-700 כתבי יד שנוצרו ב-AI, ולפי החברה הם פותרים מאות בעיות פתוחות במתמטיקה. יותר ממאה חוקרים הגיבו, ובהם זוכי מדליית פילדס. חלקם התפעלו מהרעיונות החדשים, ואחרים מתארים הלם, שיתוק ואבל על דרך עבודה שהולכת ונעלמת.
השבוע פרסמה OpenAI בבת אחת כמעט 400 תוצאות מתמטיות שנוצרו בידי AI, בפריסה על פני יותר מ-700 כתבי יד. מתמטיקאים אומרים שרק להבין מה פורסם ייקח שנים. פחות ממחצית מכתבי היד אומתו במערכת האימות הממוחשבת Lean, וחוקרים חוששים שיתקשו להבדיל בין תוצאות אמיתיות לבין "סלופ", תוכן AI באיכות נמוכה.