2026. október 27., kedd · Kutatás

Kutatók feltárták, miért fárasztó olvasni az AI szövegeit

A New York-i Egyetem és a Texasi Egyetem (Austin) kutatói szerint a vezető nyelvi modellek szövegei szisztematikusan nehezebben olvashatók, mint az emberi írás. A kutatás 14 modellt – köztük Claude, GPT-5.6, GLM-5 és Kimi K2.5 – vizsgált, 120 beszélgetést, 45 kódolási munkamenetet és 980 esszét elemezve, emberi szövegekkel összevetve. A szerzők hat jellegzetes mintát azonosítottak, például szokatlan szóösszetételeket és távolra helyezett mondatrészeket, amelyek megnehezítik a megértést. Szerintük ez azért alakul ki, mert a modellek tanítása inkább a matematikai és kódolási feladatok helyességét jutalmazza, nem az olvashatóságot, az RLHF helyett egyre inkább RLVR módszert alkalmazva. A kisebb modellek, mint a Llama és az Olmo alapváltozata, közelebb maradtak az emberi íráshoz, míg az Anthropic Opus 5.5 a kutatók szerint 21 összehasonlításból 19-ben javult elődjéhez képest.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az Anthropic munkatársa, Jackson Kernion szerint a Claude Opus 4.6 volt az utolsó jó 'írói' modelljük, mielőtt a matematikai és kódolási optimalizáció tette túl sűrűvé és gépiessé a szöveget.

Források

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. október 27., kedd napi AI összefoglaló része.

Kapcsolódó hírek

Az Anthropic Claude nevű AI-ja megfejtette a 25 éves NSA-rejtélyt

Az Anthropic szerint saját Claude nevű mesterséges intelligenciája fél óra alatt megoldott egy 25 éve megoldatlan kriptográfiai rejtélyt. A NIST 2000-ben szabványosította az ECDSA digitális aláírási eljáráshoz használt elliptikus görbéket, amelyek kezdőértékeit (seedjeit) az NSA szolgáltatta, mindenféle magyarázat nélkül. Mivel senki nem tudta, hogyan keletkeztek ezek az értékek, felmerült a gyanú, hogy szándékos hátsó kaput rejthetnek, és a probléma megoldására még jutalmat is kitűztek. A cég közlése szerint a Claude rájött, hogy a seedek az lrand48 nevű egyszerű C nyelvű véletlenszám-generátorból származnak, amelyet egy 1997 májusa és 1998 áprilisa közötti Unix-időbélyeggel indítottak el, és ezt a mintázatot a generátor 31 bites kimenetében megfigyelhető szisztematikus nullák árulták el. Az Anthropic szerint ez a magyarázat kevésbé valószínűsíti a szándékos backdoor létét, a kapott 36 864 dolláros jutalmat pedig az Internet Security Research Groupnak ajánlották fel.

Claude AI 11 nap alatt formalizálta a Fermat-tétel bizonyítását

Az Anthropic bejelentése szerint a Claude egy fejlett prototípusa 11 nap alatt, nagyrészt önállóan elkészítette a Fermat-tétel első teljes, számítógéppel ellenőrizhető bizonyítását a Lean nyelven, 13 millió sornyi kódot írva és 29 500 segédtételt bizonyítva. Ez nem új matematikai felfedezés, hanem Andrew Wiles 1995-ös bizonyításának gépi formalizálása, azaz automatikusan ellenőrizhető kóddá alakítása. A Nature szerint független matematikusok, köztük Kevin Buzzard (Imperial College London) és Alex Kontorovich (Rutgers) is meglepődtek az eredményen; Buzzard szerint a feladat nagyságrenddel nehezebb volt, mint a korábban formalizált gömbpakolási bizonyítás. Ez fontos lépés afelé, hogy az AI a matematikai tudás nagy részét gépileg ellenőrizhesse.

MXFP4 kvantálással közelítik a BF16 pontosságát MoE-tréningben

Egy nem lektorált preprint szerzői ALTO néven nyílt forráskódú módszert mutatnak be egy 20 milliárd paraméteres mixture-of-experts modell, a GPT-OSS-20B MXFP4 ultra-alacsony pontosságú formátumban történő betanítására, az MLPerf Small MoE Training benchmarkon. A szerzők szerint a hibrid blokk-kvantálás, a véletlenszerű Hadamard-transzformáció, a sztochasztikus kerekítés és egy új súly-de-oszcillációs eljárás kombinációja a C4 validációs halmazon 3,3350-es veszteséget ér el, mindössze 0,007-del elmaradva a BF16 alapvonaltól (3,3283), ami a de-oszcilláció nélküli MXFP4-hez képest a különbség mintegy felét zárja be. A szerzők szerint ez a konvergencia-többletköltséget a BF16-hoz képest 20%-ról 5%-ra csökkenti. A kísérletek szimulált MXFP4-kernelekkel, AMD MI300 hardveren futottak, a futásidő-sebesség optimalizálása nélkül.

Anthropic társalapítója 2027-re hozta előre az önfejlesztő AI jóslatát

A P-Zero Research nevű kutatóműhely új TasteVal nevű benchmarkot tett közzé, amely azt méri, mennyire képesek AI-rendszerek önállóan kísérleteket tervezni és az eredményeket értelmezni – ezt nevezik „kutatói ízlésnek”. A nyolc feladat mindegyike rögzített kutatási célt ad az AI-modellfejlesztésből, a teszteket egységesen egy Nvidia H100 GPU-n futtatják, legfeljebb 40 GPU-óra vagy 120 óra alatt. A legjobb tesztelt modell a mérés szerint felülmúlta a 24 fős, korábban OpenAI-nél, Google DeepMindnél, Nvidiánál és Microsoft Researchnél dolgozó szakértőkből álló összehasonlító csoportot, ráadásul jóval alacsonyabb költséggel. A The Decoder cikke szerint Anthropic társalapítója, Jack Clark ezekre az adatokra hivatkozva most 2028 helyett már 2027-re várja, hogy az AI-rendszerek önmaguk utódait fejlesszék ki (rekurzív önfejlesztés). A lap hangsúlyozza, hogy a benchmark csak a tudományos munka szűk szeletét méri, és nem bizonyítja, hogy az AI-rendszerek már most önmagukat fejlesztik.