Промпт инженерингът (prompt engineering) се превърна в основен стълб при работата с големи езикови модели (LLMs), но индустрията често пренебрегва сложността на този процес. Масовата практика разчита на единични метрики за оценка на успеха, което според нови изследвания е грубо опростяване на реалността.

Според нова публикация на Machine Brief [1], оптимизирането на промпти не е просто търсене на текст, който работи добре изолирано. В реални условия разработчиците трябва да балансират между множество цели – например висока точност срещу латентност или изчерпателност срещу лаконичност.

Според публикация на InfoQ [1], компанията Anthropic е представила нова функционалност, наречена Routines за своята система за програмиране Claude Code. Функцията позволява на разработчиците да автоматизират сложни работни процеси, които се изпълняват по разписание, чрез API извиквания или в отговор на външни събития.

За разлика от традиционните локални скриптове, Routines се изпълняват изцяло върху облачната инфраструктура на Claude Code. Това премахва необходимостта от поддръжка на собствени сървъри, cron задачи или сложни CI/CD тръбопроводи за изпълнение на AI базирани задачи [1].

В петък OpenAI представи нова функционалност в ChatGPT, която позволява на потребителите директно да свързват банковите си сметки за автоматизиран анализ на разходите и финансово планиране [1]. Инструментът е наличен в пробен режим (preview) за абонатите на ChatGPT Pro в САЩ и бележи сериозна стъпка към превръщането на чатбота в персонален финансов асистент.

За реализацията на тази функция OpenAI си партнира с лидера във финансовата свързаност Plaid. Потребителите могат да интегрират данни от над 12 000 финансови институции, включително гиганти като Chase, American Express и Capital One, както и инвестиционни платформи като Schwab и Robinhood [1][2].

Според публикация на South China Morning Post [1], позоваващ се на мащабен анализ на данни от престижната конференция International Conference on Learning Representations (ICLR), Китай е установил решително превъзходство в научните изследвания в областта на изкуствения интелект. Анализът, извършен от компютърния учен Дмитро Лопушански [2], показва, че сред топ 50 институциите с най-голям принос, тези от континентален Китай съставляват цели 44%.

Първите четири места в световната класация се заемат изцяло от китайски учебни заведения: Университетът „Цинхуа“, Шанхайският университет „Дзяо Тун“, Джъдзянският университет и Пекинският университет. Само „Цинхуа“ е регистрирал 332 приети доклада за конференцията, проведена миналия месец в Рио де Жанейро. За сравнение, водещите американски институции като Станфорд, Карнеги Мелън и MIT са произвели приблизително наполовина по-малко разработки всяка спрямо „Цинхуа“ [1].

Според интервю на TechCrunch [1], Anthropic преминава през период на експлозивен растеж, като пазарната оценка на компанията се доближава до 950 милиарда долара. Кат Ву, ръководител на продуктите Claude Code и Cowork, споделя визията си за следващата голяма стъпка в развитието на изкуствения интелект: преходът от реактивни чатботове към проактивни системи, които предвиждат нуждите на потребителите.

Ву подчертава, че досега развитието на изкуствения интелект е било предимно „синхронно“ — потребителят задава въпрос или команда, а моделът отговаря. Следващата фаза ще бъде фокусирана върху проактивността.

Изображение: Генерирано чрез Svetni.me AI

Според нова публикация на Ars Technica [1], астрономи са успели да наблюдават една от най-примитивните галактики, откривани някога, благодарение на рядко съчетание от модерна технология и космически късмет. Използвайки космическия телескоп James Webb, екип, ръководен от Кимихико Накаджима от университета Канадзава, Япония, е идентифицирал галактиката LAP1-B, съществувала едва 800 милиона години след Големия взрив.