2026. szeptember 2., szerda · Kutatás

Kutatás: AI-ügynökök kijátsszák az online kérdőívek figyelemellenőrzését

Célorientált AI-rendszerek képesek megoldani a webes kérdőívek szokásos figyelemellenőrző kérdéseit – derül ki egy lektorálás előtt álló kutatásból. A szerzők kontrollált tesztkörnyezetben kimutatták, hogy a weboldalak DOM-metaadatai és a kiszámítható válaszkódolás lehetővé teszik az automatizált átjutást, valódi szövegértés nélkül. Védelmi javaslatként a DOM-metaadatok elfedését mutatják be, amely csökkenti az automatizált megkerülés esélyét. Több nyílt forráskódú modellt teszteltek, és eredményeik alapján ajánlásokat fogalmaznak meg kutatóknak és AI-fejlesztőknek egyaránt.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az online adatgyűjtés hagyományos minőségbiztosító eszközei egyre sérülékenyebbek lehetnek a fejlett AI-ügynökökkel szemben.

Források

arXiv cs.AI Preprint

Kapcsolódó témák

Napi összefoglalók AI kutatás #ügynöki AI#online kérdőívek

Napi összefoglaló

Ez a hír a 2026. szeptember 2., szerda napi AI összefoglaló része.

Kapcsolódó hírek

Kutató szerint tévedtünk a neurális hálók „zavarosságáról”

Nick Cammarata, a Goodfire interpretability lab kutatója egy hosszú esszében azt állítja, hogy a nagy AI-modellek belső működése sokkal könnyebben érthető, mint azt korábban feltételezték, és ezzel megkérdőjelezi az általa korábban társszerzőként megalkotott „szuperpozíció” elméletet. A The Decoder cikke szerint Cammarata újraértelmezi a híres InceptionV1 „macska-autó” neuront, amelyet eddig a poliszemantikusság – vagyis hogy egy neuron több, egymástól független fogalomra reagál – klasszikus példájaként tartottak számon: véleménye szerint a neuron valójában egy V-alak-detektor, amely hegyes formákra, például rókaorrra vagy lángra aktiválódik, kerek formákra, például az O betűre viszont negatívan reagál. Az állítás megosztja a szakmát: a cikk szerint OpenAI-kutató Roon történelmi pillanatnak nevezte, míg a Google DeepMind kutatója, Neel Nanda óva int a túlzott lelkesedéstől.

Új teszt méri, hogyan boldogulnak az AI-ügynökök valós időben futó játékokban

Egy kutatócsoport preprintben mutatta be a RealtimeBench nevű tesztkörnyezetet, amely 180 feladatot tartalmaz hat játéktípusban, és azt méri, miként teljesítenek a nagy nyelvi modell alapú ügynökök, ha a játék a válaszadás közben is tovább fut. A kutatók szerint a GPT-6.1-sol nevű modell jobban teljesít, mint a gyorsabb Jev, ha a játékot megállítják, de lemarad, ha az folyamatosan fut. A csapat egy TORSI nevű módszert is bemutatott: egy lassú „tanár” modell megállított játékokban elemzi a hibákat és újrahasználható utasításokat ír egy gyors „diák” modellnek, amely tanári beavatkozás nélkül cselekszik játék közben. A nem lektorált tanulmány szerint két ilyen tanítási kör a Jev átlagos pontszámát 13,51-ről 24,19-re emelte egy 0–100-as skálán, és az utasítások más modellek eredményét is javították újratanítás nélkül.

GPT-6-Astra rutinszerű fizikai kutatási feladatok 98%-át oldotta meg

Egy nemzetközi kutatócsoport – köztük az ICTS, a Harvard, a KU Leuven és a Google DeepMind munkatársai, összesen 35 szerző – közzétette a TheoPhysEval nevű benchmarkot, amely 50, korábban nem publikált elméleti fizikai kutatási feladatot tartalmaz ellenőrizhető megoldással. A feladatok a szerzők szerint úgynevezett „turn-the-crank” jellegű, rutinszerű kutatómunkát modelleznek, amelyben ismert módszereket kell alkalmazni egy kissé módosított kérdésre, és amit jellemzően egy PhD-hallgató kap első lépésként, egy adott terület szakértője pedig nagyjából egy nap alatt megold. A tesztben az OpenAI Codex környezetében futó GPT-6-Astra 49 feladatot oldott meg helyesen, vagyis 98 százalékot ért el, átlagosan kevesebb mint 3 dollárért feladatonként, az egész benchmarkot pedig közel 116 dollárból futtatták végig. Az Anthropic Claude Code-ban futó Opus 5.5 92 százalékot, a Google Gemini 3.8 Flash pedig 68 százalékot ért el. A kutatók szerint a magas pontszámok ellenére hiányzik az AI-ból egyfajta tudományos „ízlésérzék”, ami megmagyarázhatja, miért nem vezettek még ezek az eredmények valódi fizikai áttörésekhez.

Seal: AI-modell térképezi az agyfejlődés génszabályozását

A Nature Neuroscience folyóiratban megjelent tanulmány bemutatja a Sealt, egy interpretálható, mesterséges intelligencián alapuló transzfertanulási keretrendszert, amely a fejlődő emberi agy génexpresszióját és genetikai variánsainak hatását modellezi térbeli-időbeli felbontásban, 26 agyi régióra, 30 sejttípusra és 7 fejlődési stádiumra kiterjedően. A kutatók szerint a Seal a genetikai variánsokat transzkripciós szabályozókhoz köti, és a modellt hat neuropszichiátriai állapot GWAS-adatain alkalmazva közös és eltérő szabályozási architektúrákat azonosítottak, amelyek illeszkednek a klinikai lefolyáshoz. A Simons Simplex Collection autizmus-kohorsz teljes genomadatain a modell jelentős de novo szabályozóvariáns-terhelést mutatott ki az átmeneti, magzati kori gerjesztő idegsejtekben, sejttípus- és stádiumspecifikus hatásokat feltárva. A szerzők szerint a Seal általános keretrendszert kínál az agyfejlődés és az idegrendszeri betegségek mechanizmusainak feltárásához, a modell kódja és paraméterei nyilvánosan elérhetők.