Søgning
25 briefing-resultat(er) for »rl«
OpenAI-bestyrelsesmedlem: AI-ulykke er den mest sandsynlige dødsårsag
Paul Christiano advarer om, at AI-takeover er den største trussel, og efterlyser evnen til at bremse eller stoppe AI.
Gartner: Open-weight-modeller klarer 90 procent af agentisk arbejde til en tyvendedel af prisen
Gartner spår, at open-weight-modeller vil køre ni ud af ti agentiske workflow-steps i virksomhederne inden 2030. De dyre frontier-labber jagter …
Opfølgning: Swift-1.5 skal kurere Qwens overtænkning
Qwen3.8-Flash-Next imponerer, men overtænker og spilder tokens. Swift-1.5 er designet til at skære det fra. [Se briefingen 12. oktober …
Opfølgning: AI's reelle trussel er hurtigere phishing, ikke prompt-injection
Forbes-panel påpeger, at AI accelererer klassiske angreb som credential-tyveri og social engineering, mens prompt injection får for meget opmærksomhed. [briefingen 21. oktober …
Opfølgning: Sikkerhedsværktøjer får AI- og prompt-beskyttelse
SentinelOne Prompt Security inspicerer prompts, uploads og svar i realtid; Lenovo sporer AI-brug og datadeling på arbejdspladsen. Se [briefingen 21. oktober](/archive/2026 …
Opfølgning: ServiceNow: 90 % af organisationer har haft en agentic AI-sikkerhedshændelse
Kun 13 % har et forsvarligt sikkerhedspostur. Agentic AI-eksponering vokser ukontrolleret i virksomheder. [briefingen 14. oktober](/archive/2026-10-14)
FSB kræver mere menneskeligt tilsyn med agentic AI i finanssektoren
Den globale finansielle vagthund har udsendt endelig vejledning om menneskeligt tilsyn for at afbøde risici som AI-drevne cyberangreb.
QwenGyre: Elastisk RL til ekstremt lange agentopgaver
Alibabas QwenGyre opnår 1,85× speedup og løfter NL2RepoBench fra 52,5% til 58,5% på 48 steps. Træningstiden reduceres med 44%.
OpenCode 2.0.26: Agenten stopper og venter på "Fortsæt"
OpenCode 2.0.26 er ude, men brugere oplever, at bots melder handlinger klar uden at udføre dem. Svag agenticness er stadig et problem …
Essay: Agentisk AI gør prompt engineering forældet
Essayet argumenterer for, at agentiske systemer handler om infrastruktur og intention, ikke om at perfektionere prompter. Karpathys LLM Wiki inspirerede Second Brain-udfordringen.
JetBrains udgiver Mellum2.1: 12B MoE open model til kodningsagenter
Med Apache 2.0-licens og 2,5B aktive parametre opnår modellen en SWE-bench Verified-score på 47,0 efter RL på rigtige …
Agentic AI's begrænsninger: Hvorfor agenter kæmper med selektivitet og hukommelse
En analyse af, hvorfor AI-agenter har svært ved at afgøre, hvad der er vigtigt, og forblive orienteret på tværs af opgaver.
Opfølgning: Forsvar mod automatiserede angreb på AI-agenter
Ny forskning analyserer defensive misdirection mod model-guidede automatiserede angreb på agentiske AI-systemer. Se [briefingen 29. september](/archive/2026-09-29).
Xiaomis MiMo-V2.6-Flash-RL matcher eller slår åbne modeller i samme klasse
MiMo-V2.6-Flash-RL scorer 28,8% på Terminal-Bench mod DeepSeek-V4-Flash's 12,0% og GLM-5.3-Flash's …
Opfølgning: Spanske forskere advarer om agente AI – EU's AI Act skal opdateres
Fire spanske forskere advarer om risici ved agente AI og påpeger, at EU's AI Act måske ikke dækker de nye autonome systemer. De …
Gary Marcus: Frygt agentisk AI, ikke Skynet
Gary Marcus advarer om, at den reelle kortsigtede trussel er agentisk AI, der kan hacke internettet i stor skala – ikke en rogue superintelligence. Han …
IBM udgiver Granite 4.2 med indbygget ræsonnement og agentisk RL
… 8B og 30B er trænet med agentisk RL i sandkassemiljøer, og 30B opnår 57% på SWE-Bench.
Agentisk AI-sikkerhed: Fra teori til reelle brud
Prompt injection, usikre agent-rammer og autonome angreb er nu konkrete trusler, mens EU's AI Act truer med bøder på 7 % for agent …
Apodex 1.1: 35B-agentmodel, der matcher frontløbere
Apodex 1.1 (35B parametre) klarer sig på niveau med langt større systemer på komplekse opgaver – Mini-versionen er lokalt deployerbar.
Headlong: Open source-agent, der aldrig sover
Headlong er et microharness i under 10K linjer Bash, hvor agenten konstant genererer tanker og selv bestemmer, hvornår den svarer.
Kan 64k kontekst føles som 300k med rekursive lokale agenter?
… Prime Agent, RLM og Hermes-delegering nævnes som relevante rammeværktøjer.
DASH: adaptiv tæt supervision til reasoning-modeller
Nyt papir foreslår DASH, der lader token-niveau-distillationsvægte følge divergenshistorikken i stedet for faste koefficienter. Fem relaterede OPSD-papirer viser, at området er …
Lokal AI-DJ: 9B-model driver radiostation på Ollama
En bruger byggede en agentisk DJ, der kører på Qwen3.5 9B med tool-calling og session-hukommelse. Overraskende nok er større modeller ikke …
RLVR og GRPO anvendes til molekylær design med LLM'er
Ny forskning anvender Reinforcement Learning with Verifiable Rewards (RLVR) og GRPO til at generere molekyler med specifikke egenskaber. Metoden lover mere præcis lægemiddeldesign.
SEED: Ny metode til agent-baseret reinforcement learning
Forskere introducerer SEED, der konverterer afsluttede trajektorier til "hindsight skills" og distillerer adfærd tilbage til policy-modellen. Metoden adresserer supervisionsgabet mellem episode-level belønninger …