Cognitive Engineering Frontier

• TreeOPSD แตกกิ่งทางเลือกจาก prefix ร่วม แล้วย้อนกลับรางวัล terminal เป็น credit ระดับ turn โดยไม่ต้องฝึก critic
• ใช้ posterior self-distillation...

Agent harness คือส่วนของ AI agent ที่ปรับเปลี่ยนได้โดยไม่ต้องแตะ weights ของโมเดล ครอบคลุม 8 components และ 5 methods ที่นำไปใช้ได้ทันที

Laminar เปิดตัว flow-1 โมเดล RL ที่ตรวจจับ implicit errors ใน agent traces ได้เทียบเท่า GPT-6-sol แต่ถูกกว่า 23 เท่า ช่วยวิเคราะห์ทุก trace แบบไม่...

ARBOR แทน trajectory เป็นต้นไม้ของ reasoning states ผ่านการสร้าง ตรวจสอบ และตัดแต่งแต่ละขั้นตอน ช่วยแยกจุดที่ควรตรวจสอบหรือแก้ไขในโซ่ยาวได้หรือไม่?

-...

Declared world model ร่วมกับ acceptor ที่ปฏิเสธ illegal rollouts ช่วยให้การวางแผนตรวจสอบได้ชัดเจนยิ่งกว่า learned world model...

CarryOn จัดบริบทเป็นวัตถุงานที่นำกลับมาใช้ได้ (continuation carriers) แทนประวัติการโต้ตอบ ช่วยลด token ลง 51.9% และ 22.9% ขณะเพิ่มผลลัพธ์ 5.8% และ 7.0% บน OSWorld 2.0 กับ BrowseComp-Plus โดยอัปเดตเฉพาะส่วนที่เปลี่ยนแปลงโดยไม่สูญเสียข้อมูลสำคัญ

เทรนด์ใหม่ชี้ชัดว่า harness กลายเป็นชั้นซอฟต์แวร์ที่ปรับได้จริงแทนการฝึกน้ำหนักใหม่

• Harness² จาก Google ใช้ recursion สองชั้น (task-level +...

OfficeTown สร้างองค์กรจำลองจากคำอธิบายธรรมชาติ เอเจนต์ประสานงาน มอบหมายงาน และสะสมบริบท การตัดสินใจ รวม feedback ข้ามงาน...

• การทดสอบ memory ควรตรวจ 3 ส่วนชัดเจน: ตั้งฉากได้หรือไม่ ดำเนินการเปลี่ยนตามคำสั่งหรือไม่ และเฟรมสุดท้ายแสดงผลสำเร็จ
• ปัจจุบันคะแนนรวมเป็นตัวเดียว...

• ขนาดใหญ่ active น้อย: 428B พารามิเตอร์รวม ~23B active ราคา $0.15/ล้าน input token ครึ่งหนึ่งของ M3
• จุดแข็ง agentic: Automation-Bench 62.2 นำตาราง...

Benchmark วัดผลภายใต้ชุดงานและเงื่อนไขที่กำหนดเท่านั้น

• คะแนนสูงในคำถามวิทยาศาสตร์ ไม่ได้บอกว่าโมเดลสรุปสายลูกค้าหรือเขียนคำอธิบายสินค้าได้ดี
  -...

World models ที่เรียนรู้ dynamics จาก high-dimensional observations ผ่าน JEPA สามารถเชื่อม perception กับการจำลองผลลัพธ์ก่อนลงมือได้โดยการทำนาย latent...

DiscoveryRSI框架通过多智能体进化搜索构建假设树，结合三种递归机制实现自我改进：

• 假设信用优化：将科学评估归因于研究贡献，优化工作流
• 经验回放与重发现：识别有效策略并应用于新研究，生成持续学习经验
• 生命科学领域测试显示，假设质量从4.86提升至5.39，可证伪性大幅增强，且与后续发表研究对应率达6.3%，远超GPT-6

เกณฑ์วัดใหม่เผยปัญหาสำคัญของเอเจนต์วิจัยอัตโนมัติ

• โมเดล frontier 4 จาก 5 ทำได้ต่ำกว่าโอกาสสุ่ม (สูงสุด 63.5%) เมื่อต้องเลือกแผนวิจัยที่มนุษย์แก้ไข
  -...

การแข่งขัน hackathon โดย GSA เชิญพนักงานรัฐบาลสร้าง MCP servers สำหรับข้อมูลเปิดและบริการภาครัฐ เพื่อเชื่อม AI applications เข้ากับ APIs...

MAMCTS นำเสนอกรอบการอนุมานแบบ training-free ที่ผสาน MCTS กับโครงสร้างวัตถุ เพื่อลด hallucination ผ่านการค้นหาเส้นทางการอนุมานแทนการปรับน้ำหนักโมเดล...

แม้บริษัทอย่าง OpenAI อาจหมดเงิน แต่ความต้องการ intelligence ของมนุษย์ไม่มีที่สิ้นสุด เหมือนอินเทอร์เน็ตหลังฟองสบู่ที่เติบโตมหาศาล...

เหตุใด การประกอบส่วนประกอบ AI ที่ดูสมเหตุสมผลจึงไม่แปรเป็นผลลัพธ์ benchmark จริง?

• ควรประเมินสถาปัตยกรรมด้วย transfer reliability และความสามารถนอก...

ชื่อเรื่องชี้ชัดว่า representation ภายใน LLM เข้ารหัสโครงสร้างเชิงสัญลักษณ์โดยไม่ต้องมีโมดูล symbolic แบบ explicit ซึ่งเปิดประตูสู่ hybrid architecture ที่รวม latent reasoning กับการให้เหตุผลที่ตรวจสอบได้

Probabilistic programming อาจเป็นกลไกแสดง uncertainty และสมมติฐานเชิงสาเหตุ แต่ปัญหาหลักยังอยู่ที่การระบุโมเดลและตรวจสอบ assumptions จากข้อมูลจริง ซึ่งเป็นอุปสรรคสำคัญต่อ AGI reasoning