Nagy nyelvi modell (LLM)

Kapcsolódó hírek

1. Eszközök 2026. július 7., kedd

   A Reddit nagy nyelvi modellekkel küzd az LLM-ek által generált spam ellen

   A Reddit saját blogbejegyzése szerint nagy nyelvi modelleket (LLM) vetett be a platformon terjedő spam kiszűrésére – amely problémát részben maguk az LLM-ek súlyosbították, mivel a rosszhiszemű szereplők számára könnyebbé vált tömeges spamtartalom előállítása. A vállalat állítása szerint naponta 23 millió spam-megtekintést blokkol és mintegy 25 000 új spam bejegyzést szűr ki, január és március között pedig 20%-kal csökkentette a felhasználók spamnek való kitettségét az előző negyedévhez képest. A Reddit szerint az új eszközök olyan finom, koordinált manipulációs mintázatokat is felismernek, amelyeket a korábbi rendszerek nem tudtak azonosítani. Platformszakértők ugyanakkor hangsúlyozzák, hogy az AI-alapú tartalommoderálás csak emberi moderálással együtt igazán hatékony.

2. Kutatás 2026. október 25., vasárnap

   Kudarc-előrejelző világmodell javítja a nagy nyelvi modell ügynökök teljesítményét

   Egy kutatócsoport új módszert mutatott be, amely segít a fekete dobozos nagy nyelvi modell (LLM) ügynököknek elkerülni a hibákat hosszú, több lépéses feladatokban. A Pitfall Anticipation World Model (PAWM) nevű rendszer nem minden lépésnél próbálja megjósolni a következő megfigyelést, hanem csak akkor avatkozik be, amikor egy lehetséges kudarc körvonalazódik, és előre jelzi azt, hogy elterelje az ügynököt a hibás útról. A modellt két lépésben tanították: előbb felügyelt finomhangolással szintetikus, hibákkal címkézett adatokon, majd GRPO-alapú együtt-tanítással egy fekete dobozos LLM-mel. A kutatók szerint a PAWM 24,3 százalékkal javította a Claude Sonnet 4.5 teljesítményét a ScienceWorld tesztkörnyezetben, és 7,7 százalékkal a WebArena-Lite benchmarkon, meghaladva több alapmódszert is. Az eredmények egy lektorálatlan arXiv-preprintből származnak, független megerősítés egyelőre nincs.

3. Kutatás 2026. október 22., csütörtök

   Pareto-optimális áramköröket generáló LLM-rendszer RTL-tervezéshez

   Egy kutatócsoport nem lektorált, arXiv-on közzétett tanulmánya olyan megerősítéses tanulási módszert mutat be, amely nagy nyelvi modelleket (LLM) tanít digitális áramkörök (RTL-kód) generálására természetes nyelvű leírásból. A kutatók állítása szerint korábbi módszerek az energiafogyasztás, teljesítmény és terület (PPA) szempontjait egyetlen skalár jutalommá vonták össze, így nem tudtak egyszerre sokféle, eltérő kompromisszumokat kínáló megoldást (Pareto-front) előállítani. Az új megközelítés a teljes megoldáshalmaz lefedettségét sorozatos áramkörgenerálási feladatként kezeli, és egy úgynevezett Hypervolume Contribution alapú jutalomfüggvényt vezet be, amely azt méri, mennyivel javítja egy új áramkör a Pareto-frontot. A szerzők szerint az RTLLM v2 benchmarkon a módszer 13,3 százalékponttal jobb relatív Hypervolume-értéket ért el egy PPA-optimalizálás nélküli alapvonalhoz képest, és 14,4 százalékponttal jobbat egy egyszempontú megerősítéses tanulási módszerhez képest, miközben a generált áramkörök sokfélesége is nagyobb lett.

4. Eszközök 2026. október 13., kedd

   Az AWS Ray LLM konténer: multi-node LLM-kiszolgálás EKS-en

   Az AWS hivatalos blogbejegyzése szerint a vállalat bemutatta a Ray LLM Deep Learning Containers (DLC) multi-node változatát, amellyel egyetlen nagy nyelvi modell két GPU-csomóponton, Amazon EKS-en futtatható egy közös, OpenAI-kompatibilis végponton keresztül. A megoldás külön csomópontra választja szét az előfeltöltési (prefill) és a dekódolási (decode) fázist, így a hosszú, számításigényes promptok nem akasztják meg a már folyamatban lévő kérések token-generálását. Az AWS azt írja, hogy korábban az ügyfeleknek maguknak kellett összeállítaniuk és karbantartaniuk a kompatibilis GPU-függőségi láncot (CUDA-könyvtárak, keretrendszerek), ami jelentős, a modellfejlesztéstől elvonó mérnöki munkát igényelt. A most bemutatott, előre tesztelt és patchelt konténer ezt a réteget automatikusan biztosítja, kiterjesztve a korábbi, egycsomópontos Ray Serve DLC-nél alkalmazott megközelítést a többcsomópontos, szétválasztott (disaggregated) inferenciára.

5. Kutatás 2026. szeptember 19., szombat

   Új benchmark: LLM-ek megbízhatatlanok autós hangparancsok engedélyezésénél

   Kutatók egy 202 forgatókönyvből álló benchmarkot dolgoztak ki, amely azt méri, mennyire biztonságosan döntenek a nagy nyelvi modellek (LLM) autós hangasszisztensek parancsainak kezeléséről – végrehajtás, elutasítás, visszaigazolás vagy manuális vezérlés között. A nem lektorált arXiv-preprint szerint a Gemini 3.1 Pro Preview érte el a legjobb, 89,1%-os egyezést a referenciadöntésekkel, míg a Llama 3.2 3B csak 40,1%-ot; a három API-alapú modell 83,2-89,1% között teljesített, szignifikáns különbség nélkül. Még a legjobb modellek is 2-3 hamis végrehajtást produkáltak a 161 nem-végrehajtási esetből, és a visszaigazolási döntéseknél tartós hibák maradtak. A szerzők szerint a strukturált LLM-döntések önmagukban nem elégségesek, független érvényesítési rétegre van szükség a valós autós beépítéshez.

6. Kutatás 2026. augusztus 30., vasárnap

   LLM-ekkel automatizált szakirodalmi áttekintés járványmodellekről

   Egy nem lektorált, arXiv-on közzétett tanulmány szerint kutatók nagy nyelvi modellekre épülő feldolgozási láncot fejlesztettek 536, lektorált ágensalapú betegségterjedési modelleket bemutató cikk automatikus feldolgozására, majd az eredményeket emberi kutatók szisztematikus szakirodalmi áttekintésével vetették össze. A szerzők állítása szerint a GPT-4.1 cikkszintű pontossága mintegy 77,95%, a GPT-5.0-é 81,67% volt, míg mezőnkénti szinten a pontosság 32,40% és 100% között szórt, a bonyolultabb, szubjektívebb mezőknél megbízhatatlanabbul. A tanulmány szerint az LLM-ek közötti egyezés a kimenet minőségének jelzője lehet: alacsony egyezés hallucinációra, magas egyezés alacsony pontossággal párosulva pedig az emberi adathalmaz hibáira utalhat.

7. Kutatás 2026. augusztus 16., vasárnap

   LLM-ügynökök automatizálják a kiskereskedelmi árazási hierarchiák felépítését

   Egy arXiv-on közzétett, egyelőre nem lektorált dolgozat egy több nagy nyelvi modell alapú ügynökből álló keretrendszert mutat be, amely automatizálja az úgynevezett „Lines and Ladders” árazási taxonómiák felépítését milliós tételszámú kiskereskedelmi katalógusokban. A szerzők állítása szerint a rendszert valós vállalati adatokon tesztelték és éles termelési környezetben is bevezették. A háromügynökös elrendezés 0,83-as F1-értéket ért el a „Lines” kategóriában, felülmúlva az egyetlen ügynökös alapmodelleket, mert a feladatok szétosztásával csökkenti az egyes ügynökök kognitív túlterhelését. Élelmiszer és fogyasztási cikkek esetén 90% feletti pontosságot és 75% feletti fedést, a kevésbé strukturált általános kereskedelmi katalógusban 80,2%-os besorolási pontosságot mértek. Ezek a számok a szerzők saját méréseiből származnak, független megerősítésük egyelőre nem ismert.

8. Kutatás 2026. augusztus 16., vasárnap

   Evolúciós stratégiák javíthatják az LLM-ek megoldás-lefedettségét

   Egy nem lektorált, arXiv-on közzétett kutatás azt állítja, hogy a nagy nyelvi modellek megerősítéses tanulással (RL) történő utótanítása szűkíti a modell kimeneti eloszlását a magas jutalmú válaszok köré, ami csökkenti az úgynevezett pass@k mutatót, vagyis a modell azon képességét, hogy sokféle helyes megoldást találjon egy adott problémára. A szerzők ehelyett evolúciós stratégiákat (ES) javasolnak: ez egy populáció-alapú, gradiens nélküli módszer, amely véletlenszerű súlytér-perturbációkkal optimalizál. A kutatók szerint az ES módszer következetesen magasabb pass@k értéket ér el, mint az RL, szélesebb kimeneti eloszlást és nagyobb megoldás-lefedettséget produkál, ami a szerzők szerint lehetővé teszi, hogy például standard matematikai benchmarkokon jobb eredmény szülessen. A tanulmány ezt olyan felfedezési feladatoknál (matematika, tudomány) tartja különösen fontosnak, ahol a diverz megoldáshalmaz kritikus.