Исследователи из Sakana AI и Беркли представили метод рекурсивного самообучения ИИ, где модель сама выполняет задачи и проверяет их, однако система все еще подвержена критическим ошибкам.
Компания Sakana AI представила агентную систему для рецензирования научных работ, которая выявляет 73% ошибок в ключевых утверждениях при стоимости $0,47 за один анализ.
Исследователи из MIT и Sakana AI представили фреймворк SIFT, который снижает затраты на проверку самообучающихся ИИ-агентов с помощью языковой модели-судьи.
Исследователи из Sakana AI разработали метод обучения нейросетей PC-ALM, позволяющий тренировать 1000-слойные модели за счет использования дополненного лагранжиана.
Компания Sakana AI представила модели Fugu Max и Fugu Ultra v2 для управления мультиагентными системами, направленные на снижение затрат и зависимости от вендоров.
Исследователи из Sakana AI и MIT использовали GPT-4.1 mini и эволюционные алгоритмы, чтобы создать ИИ-воинов, способных побеждать человеческие программы в Core War.
