Rechercheagenten übernehmen bereits heute echte Wissensarbeit. Die Groups delegieren ihnen Wettbewerbskartierung, Due Diligence und Literaturrecherche. Allerdings testen die meisten Benchmarks eine einzelne Antwort und keine großen, evidenzgestützten Sammlungen. Perplexity schließt diese Lücke mit einem neuen offenen Benchmark.

Ratlosigkeit befreit WANDR (Breite und tiefe Forschung). Es handelt sich um ein offenes Benchmark- und Bewertungssystem. Es besteht aus rund 500 realistischen, herausfordernden Datenerfassungsaufgaben für die Wissensarbeit. WANDR ist der große Bruder von Perplexitys DRACO-Benchmark für tiefgreifende Forschung. DRACO fragt, ob ein Agent einen genauen, vollständigen und objektiven Langformbericht erstellt. WANDR fragt stattdessen, ob es eine große Beweissammlung aufbauen kann.

Was ist WANDR

Im Kern testet WANDR zwei Anforderungen gemeinsam. Breit bedeutet, eine große, oft offene Gruppe qualifizierter Einheiten zu entdecken. Tief bedeutet, jedes Unternehmen ausreichend zu untersuchen, um jede Behauptung mit Beweisen zu untermauern. Durch die Kombination beider Faktoren ändert sich das Drawback für die Agenten. Ein paar überzeugende Beispiele reichen hier nicht aus. Eine ausgefeilte Erzählung, die auf unvollständigen Recherchen aufbaut, greift ebenfalls zu kurz.

Um dies zu erfassen, verwendet WANDR ein Composable Qualifikationsschlüsselhierarchie. Eine Aufgabe könnte eine Anforderung sein firm(n) -> worker(m) -> url(okay). Das bedeutet n qualifizierte Unternehmen, jeweils m Mitarbeiter und jeweils okay unterstützende Seiten. Jeder vollständige Pfad durch den Baum wird unabhängig validiert. Dieselbe Struktur kann eine flache Liste, eine verschachtelte Suche oder eine Matrix darstellen.

Ein konkretes Aufgabenbeispiel

Um diese Hierarchie zu begründen, betrachten Sie die Veröffentlichung ceo_cfo_appointments Aufgabe. Gefragt sind mindestens 70 in den USA ansässige Unternehmen. Für jeden muss eine Ernennung zum CEO oder CFO erstmals zwischen dem 1. März und dem 30. April 2026 bekannt gegeben werden. Für jeden stellt der Agent eine maßgebliche Terminseite bereit. Eine Unteraufgabe fügt professional Unternehmen eine Itemizing-Authority-Seite hinzu. Insgesamt erfordert die Aufgabe 140 quellengestützte Datensätze.

Konkret sehen die beiden Hierarchien und ein übermittelter Datensatz so aus:

# Job hierarchies
firm(70) -> company_appointee(1) -> url(1)   # 70 appointment information
firm(70) -> url(1)                           # 70 itemizing information

# One file the grader re-fetches and re-checks (values are illustrative)
{
  "merchandise":     "Instance Corp - new CFO",
  "url":      "https://issuer.instance.com/press/cfo-appointment",
  "excerpts": ("Instance Corp as we speak named Jane Doe as Chief Monetary Officer, efficient April 2026."),
  "reply":   "Jane Doe appointed CFO; introduced April 2026"
}

Realistische Aufgaben, maßstabsgetreu generiert

Über einzelne Beispiele hinaus baut WANDR seine Aufgaben auf der realen Nutzung auf. Es geht von nicht identifizierten Mustern aus, die in der Produktion zu sehen sind, und nicht von synthetischen Eingabeaufforderungen. Eine halbautomatische Pipeline wandelt diese Muster dann in Aufgaben um. Die Pipeline durchläuft vier Phasen: Seeding, Authoring, Zulassung und Kuration. Es verwendet eine verschachtelte Autor-Kritiker-Schleife mit mechanischer Flusenbildung.

Daher erfordert die mittlere Aufgabe insgesamt 50 Mitglieder und 245 Datensätze. Für alle 500 Aufgaben fordert WANDR 170.495 quellengestützte Datensätze. Die Aufgaben sind in 167 Aufgaben mit niedrigerem, 166 mittlerem und 167 höherem Schwierigkeitsgrad unterteilt. Der Schwierigkeitsgrad hängt von der Arbeit professional Datensatz ab, nicht nur vom Maßstab.

Wie WANDR Agenten bewertet

Im Gegensatz zu festen Antwortschlüsseln bewertet WANDR jeden Anspruch anhand der zitierten Beweise. Jeder Datensatz enthält ein Component, eine URL, ausgewählte Auszüge und eine Antwort. Der Bewerter ruft die Seite während der Bewertung erneut ab. Es prüft, ob die Seite nutzbar und im Umfang ist. Anschließend wird überprüft, ob die Auszüge tatsächlich vorliegen und alle Anforderungen erfüllen.

Diese binären Datensatzurteile werden dann in der Hierarchie zusammengefasst. Präzision misst die Qualität dessen, was ein System übermittelt hat. Abrufen misst die qualitätsbereinigte Fertigstellung und füllt etwaige Lücken mit Nullen. Weich Bei Partituren werden unvollständige Mitglieder teilweise angerechnet. Hart Scores zählen nur Mitglieder, deren vollständiger Teilbaum korrekt ist.

Die Benchmark-Ergebnisse

Mit dieser Methode führte Perplexity sechs Produktionssysteme für alle 500 Aufgaben aus. Sein eigenes Search as Code (SaC)-System führt. Dennoch kommt kein System auch nur annähernd an die Lösung des Benchmarks heran.

Mit mehr Aufwand erreicht Perplexity einen Gentle-F1-Wert von 0,447 xhigh Einstellung. Die Kosten über alle Einstellungen hinweg erstrecken sich über mehr als vier Größenordnungen. Der Preis reicht von 0,03 $ professional Aufgabe bis zu 324,83 $ professional Aufgabe.

Über die Bestenliste hinaus stechen vier Erkenntnisse hervor. Erstens ist ein teilweiser Fortschritt üblich, eine vollständige Abdeckung jedoch nicht. Jedes System zeigt einen Gentle-Recall unterhalb der Gentle-Präzision. Zweitens verschärft die Größenordnung das Drawback erheblich. Tiefere Hierarchien schaden am meisten, da jede Verzweigung einen Fehlerpunkt hinzufügt. Drittens ist die Entdeckung der erste strukturelle Engpass. Der Erkennungsabschluss auf oberster Ebene liegt systemübergreifend zwischen 0,611 und 0,951. Der größte Teil des fehlenden Volumens ist auf eine Unterlieferung zurückzuführen, nicht auf die Zusammenführung von Duplikaten. Viertens ist es normalerweise einfach, eine brauchbare Seite zu finden. Es ist der schwierige Teil, daraus vollständige Beweise zu machen. Bei Perplexity fehlt auf 41,4 % der Seiten eine wesentliche Anforderung. Außerdem stützen 57,5 ​​% der Auszüge nicht die vollständige Behauptung. Sein weicher F1 fällt von 0,531 bei einer reinen Abrufprüfung auf 0,363 bei der vollständigen Beurteilung.

Insbesondere passt Search as Code intestine zu dieser Aufgabenform. Ein Agent kann Abruf-, Filter-, Fanout-, Be a part of-, Deduplizierungs- und Stopplogik als Programm ausdrücken. Die deterministische Berechnung verarbeitet dann wiederholte Vorgänge außerhalb des Modellkontexts.

Anwendungsfälle mit Beispielen

Praktischerweise ordnet WANDR Jobs zu, die Groups bereits automatisieren. Ein Marktanalyst benötigt jeden qualifizierten Wettbewerber mit passenden Beweisen für jeden. Ein Due-Diligence-Workforce benötigt Dutzende von Unternehmen, dann Eigentümer, Führungskräfte und Finanzierung. Für die Talentsuche sind viele Kandidaten erforderlich, von denen jeder über unterstützende Profilseiten verfügt. WANDR testet genau diese breiten und tiefen Sammelmuster im professionellen Maßstab.

Da die Bewertung professional Datensatz erfolgt, können Groups Fehler präzise lokalisieren. Der Bewertungsbaum isoliert den Verlust durch Entdeckung, Anreicherung oder Beweisextraktion. Diese Diagnose hilft Ingenieuren, jeweils eine Schwachstelle zu verbessern.

Wichtige Erkenntnisse

• WANDR ist ein offener Benchmark mit 500 evidenzintensiven, umfassenden Aufgaben.
• Aufgaben verwenden eine Qualifikationsschlüsselhierarchie, die Pfad für Pfad validiert wird.
• Die Benotung erfolgt referenzfrei; Der Gutachter holt die zitierten Beweise erneut ab und prüft sie.
• Perplexity Search as Code liegt bei 0,363 Gentle F1 und 0,133 Exhausting F1.
• Entdeckung und vollständige Beweise bleiben die größten Fehlerquellen.

Schauen Sie sich das an Technische Particulars Und Repo hier. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 150k+ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Möchten Sie mit uns zusammenarbeiten, um Ihr GitHub-Repo ODER Ihre Hugging Face Web page ODER Produktveröffentlichung ODER Ihr Webinar usw. zu bewerben? Vernetzen Sie sich mit uns

Asif Razzaq ist CEO von Marktechpost Media Inc.. Als visionärer Unternehmer und Ingenieur setzt sich Asif dafür ein, das Potenzial der künstlichen Intelligenz für das soziale Wohl zu nutzen. Sein jüngstes Unterfangen ist die Einführung einer Medienplattform für künstliche Intelligenz, Marktechpost, die sich durch eine ausführliche Berichterstattung über maschinelles Lernen und Deep-Studying-Nachrichten auszeichnet, die sowohl technisch fundiert als auch für ein breites Publikum leicht verständlich ist. Die Plattform verfügt über mehr als 2 Millionen monatliche Aufrufe, was ihre Beliebtheit beim Publikum verdeutlicht.

Dass die Fähigkeiten von LLMs in den letzten Jahren dramatisch vorangetrieben sind, aber es ist schwer zu quantifizieren, wie intestine sie geworden sind.

Das brachte mich dazu, an ein geometrisches Downside zurückzudenken, das ich letztes Jahr auf einem YouTube -Kanal gestoßen bin. Dies battle im Juni 2024, und ich versuchte, das führende Großsprachmodell zu dieser Zeit (GPT-4O) zur Lösung des Rätsels zu erhalten. Es lief nicht so intestine und erforderte eine Menge Anstrengung, eine Lösung zu finden, und ich fragte mich, wie die neuesten LLMs mit demselben Rätsel abschneiden würden.

Das Puzzle

Hier ist eine kurze Erinnerung daran, was ich die LLM gebeten habe, damals zu lösen. Angenommen, wir haben das folgende Netz von Punkten/Knoten. In der X- und Y -Ebene ist jeder Knoten genau eine Einheit von seinem angrenzenden Nachbarn entfernt. Es sieht so aus,

Nun, die Frage, die ich beantworten wollte, battle das,

What number of distinct squares will be drawn on this diagram?

Es wurde schnell klar, dass GPT-4O die Antwort nicht kannte, additionally änderte ich mich leicht und fragte sie stattdessen.

I would love a Python program that plots out all of the squares we are able to 
draw on the hooked up diagram, assuming that the corners of any sq. 
should lie on one of many spots on the diagram. Assume every adjoining spot is 
1 unit aside in each the x and y instructions. Additionally print out a abstract of 
the variety of squares of the identical measurement and what their aspect lengths are

Lange Geschichte, kurz gesagt, ich letztlich Ich habe GPT-4O, um eine korrekte Python-basierte Lösung zu finden. Trotzdem brauchte ich ungefähr zwei Stunden und weit über 40 Iterationen von mir, die mit dem Modell hin und her ging, um seine Antwort zu verfeinern, bis es etwas fand, das funktioniert.

NB, hast du die Antwort schon ausgearbeitet? Selbst jetzt kann ich immer noch nicht glauben, dass es 21 Quadrate sind, die Sie auf diese Grafik zeichnen können.

Interaktion mit Sonett 4.5

Dies bringt uns zurück in den heutigen Tag und die jüngste Veröffentlichung des Anthropics, das das heute als am besten verfügbare Codierungsmodell angesehen wird, nämlich Claude Sonnet 4.5. Es ist ungefähr 16 Monate her, seit ich mich das zuletzt angesehen habe. Wie viel hat sich LLMs in der Zwischenzeit verbessert? Mal sehen, wie Sonnet 4.5 mit dem Puzzle fertig wird.

Um Sonnet 4.5 zu verwenden, habe ich Anthropics Homepage besucht.

https://www.anthropic.com

Sie sollten eine solche Seite sehen.

Klicken Sie auf das große Schwarz „Versuchen Sie es mit Claude“ Style oben rechts auf dem Bildschirm. Sie werden gebeten, sich an diesem Punkt anzumelden. Wenn Sie noch kein Konto mit Anthropic haben, stellen Sie bitte jetzt eines ein. Es ist völlig frei, dies zu tun.

Sobald Sie angemeldet sind, werden Sie auf einen Bildschirm mit einem vertrauten Chat-basierten Fenster gebracht, mit dem Sie mit Sonnet 4.5 Fragen interagieren und diese stellen können.

Bevor ich das Modell aufforderte, ein Python -Programm zur Lösung des Puzzles bereitzustellen, stellte ich ihm eine klare Frage, um festzustellen, ob es die Antwort bereits kannte.

Es kam zurück mit,

 this grid, I must rely all attainable squares of various 
sizes that may be shaped by connecting the dots.
Let me first establish the grid construction. The dots type:

2 dots within the prime row
2 dots within the second row
6 dots within the third row
6 dots within the fourth row
2 dots within the fifth row
2 dots within the sixth row

This seems to be a cross or plus-sign formed grid sample.
Now I am going to rely squares by measurement:
1×1 squares: These are shaped by any 4 dots that make a unit sq..

Within the horizontal center part (rows 3-4): 5 squares per row × 1 = 5 squares
Within the vertical center part (columns the place the cross intersects): counting 
the vertical segments provides us 5 extra squares
Whole: 10 small squares

2×2 squares: These want 4×4 preparations of dots.

Within the horizontal part: 4 squares
Within the vertical part: 4 squares
Overlap in middle: -1 (counted twice)
Whole: 7 squares of measurement 2×2

3×3 squares and bigger: The grid sample is barely 6 dots large at its most, however the cross form limits the place bigger squares can match. Checking the geometry:

One 3×3 sq. can match within the middle the place the arms of the cross overlap
Whole: 1 sq. of measurement 3×3

Whole: 10 + 7 + 1 = 18 squares

Additionally zuversichtlich falsch. Ich habe neugierig und fasziniert von dem Modell des Modells auf ein 3 × 3 Quadrat (das in diesem Raster unmöglich ist) und bat es, mir das Quadrat auf dem Diagramm zu zeigen. Es antwortete damit.

Trying on the grid extra rigorously, I must rethink whether or not a 3×3 sq. 
truly exists.
For a 3×3 sq. to exist, I would want a 4×4 association of dots 
(since a 3×3 sq. requires 4 dots on either side). Let me examine the grid 
construction:
The grid seems to be:

Rows 1-2: solely 2 dots every (centered)
Rows 3-4: 6 dots every (full width)
Rows 5-6: solely 2 dots every (centered)

For a 3×3 sq., I would want 4 consecutive rows and 4 consecutive columns all with dots on the intersection factors. Nevertheless, wanting on the cross/plus sample:

The highest solely has 2 columns of dots
The center has 6 columns of dots
The underside solely has 2 columns of dots

Since rows 1-2 and rows 5-6 solely have 2 dots every (not spanning the complete width)
, there is not truly a 4×4 block of dots anyplace on this grid.
I must appropriate my reply: There may be NO 3×3 sq. attainable on this grid.
The overall needs to be: 10 (1×1 squares) + 7 (2×2 squares) = 17 squares
I apologize for the error in my preliminary rely. The cross-shaped sample 
prevents any sq. bigger than 2×2 from being shaped.

Okay, es wurde sich mit dieser Antwort halb wieder einlöste, aber im Grunde sagte es nicht, dass es insgesamt 21 Quadrate gab.

Die endgültige Antwort

Um die Dinge mit dem Modellvergleich über die 16 Monate truthful zu halten, stellte ich Sonnet 4.5 genau die gleiche Frage, die ich GPT-4O gestellt hatte, was als Erinnerung dies battle.

I would love a Python program that plots out all of the squares we are able to draw on 
the hooked up diagram, assuming that the corners of any sq. should lie on one 
of the spots on the diagram. Assume every adjoining spot is 1 unit aside in 
each the x and y instructions. Additionally print out a abstract of the variety of 
squares of the identical measurement and what their aspect lengths are

Sonnet 4.5 dachte für alle 5 Sekunden nach, bevor er seinen Python -Code generierte.

import matplotlib.pyplot as plt
import numpy as np
from itertools import combos
from collections import defaultdict

# Outline the grid factors based mostly on the picture
factors = (
    # High two rows (2 dots every, centered)
    (3, 6), (4, 6),
    (3, 5), (4, 5),
    # Center two rows (6 dots every, full width)
    (1, 4), (2, 4), (3, 4), (4, 4), (5, 4), (6, 4),
    (1, 3), (2, 3), (3, 3), (4, 3), (5, 3), (6, 3),
    # Backside two rows (2 dots every, centered)
    (3, 2), (4, 2),
    (3, 1), (4, 1),
)

def is_square(p1, p2, p3, p4):
    """Verify if 4 factors type a sq. and return aspect size if true."""
    factors = (p1, p2, p3, p4)
    
    # Calculate all pairwise distances
    distances = ()
    for i in vary(len(factors)):
        for j in vary(i + 1, len(factors)):
            dist = np.sqrt((factors(i)(0) - factors(j)(0))**2 + 
                          (factors(i)(1) - factors(j)(1))**2)
            distances.append(dist)
    
    distances.type()
    
    # For a sq.: 4 equal sides and a pair of equal diagonals
    # Diagonals needs to be sqrt(2) occasions the aspect size
    if len(distances) == 6:
        sides = distances(:4)
        diagonals = distances(4:)
        
        # Verify if all sides are equal
        if np.allclose(sides, (sides(0)) * 4, atol=1e-6):
            # Verify if diagonals are equal
            if np.allclose(diagonals, (diagonals(0)) * 2, atol=1e-6):
                # Verify if diagonal = aspect * sqrt(2)
                if np.allclose(diagonals(0), sides(0) * np.sqrt(2), atol=1e-6):
                    return True, sides(0)
    
    return False, 0

def order_square_points(p1, p2, p3, p4):
    """Order factors of a sq. in counterclockwise order ranging from bottom-left."""
    factors = (p1, p2, p3, p4)
    # Discover centroid
    cx = sum(p(0) for p in factors) / 4
    cy = sum(p(1) for p in factors) / 4
    
    # Type by angle from centroid
    def angle(p):
        return np.arctan2(p(1) - cy, p(0) - cx)
    
    factors.type(key=angle)
    return factors

# Discover all squares
squares = ()
squares_by_size = defaultdict(record)

for combo in combos(factors, 4):
    is_sq, side_length = is_square(*combo)
    if is_sq:
        ordered = order_square_points(*combo)
        squares.append(ordered)
        squares_by_size(spherical(side_length, 2)).append(ordered)

# Print abstract
print("=" * 50)
print("SUMMARY OF SQUARES FOUND")
print("=" * 50)
total_squares = 0
for side_length in sorted(squares_by_size.keys()):
    rely = len(squares_by_size(side_length))
    total_squares += rely
    print(f"Facet size {side_length}: {rely} sq.(s)")

print(f"nTotal squares: {total_squares}")
print("=" * 50)

# Create visualization
fig, axes = plt.subplots(2, 2, figsize=(14, 14))
axes = axes.flatten()

# Plot 1: All dots
ax = axes(0)
x_coords = (p(0) for p in factors)
y_coords = (p(1) for p in factors)
ax.scatter(x_coords, y_coords, c='black', s=100, zorder=3)
ax.set_xlim(0, 7)
ax.set_ylim(0, 7)
ax.set_aspect('equal')
ax.grid(True, alpha=0.3)
ax.set_title('Unique Grid', fontsize=14, fontweight='daring')
ax.set_xlabel('X')
ax.set_ylabel('Y')

# Plot 2: All squares overlaid
ax = axes(1)
ax.scatter(x_coords, y_coords, c='black', s=100, zorder=3)
colours = plt.cm.rainbow(np.linspace(0, 1, len(squares)))
for sq., shade in zip(squares, colours):
    square_closed = sq. + (sq.(0))
    xs = (p(0) for p in square_closed)
    ys = (p(1) for p in square_closed)
    ax.plot(xs, ys, c=shade, linewidth=2, alpha=0.6)
ax.set_xlim(0, 7)
ax.set_ylim(0, 7)
ax.set_aspect('equal')
ax.grid(True, alpha=0.3)
ax.set_title(f'All {total_squares} Squares Overlaid', fontsize=14, fontweight='daring')
ax.set_xlabel('X')
ax.set_ylabel('Y')

# Plot 3 & 4: Squares by measurement
plot_idx = 2
for side_length in sorted(squares_by_size.keys()):
    if plot_idx >= len(axes):
        break
    
    ax = axes(plot_idx)
    ax.scatter(x_coords, y_coords, c='lightgray', s=100, zorder=2)
    
    squares_of_size = squares_by_size(side_length)
    colours = plt.cm.viridis(np.linspace(0, 1, len(squares_of_size)))
    
    for sq., shade in zip(squares_of_size, colours):
        square_closed = sq. + (sq.(0))
        xs = (p(0) for p in square_closed)
        ys = (p(1) for p in square_closed)
        ax.plot(xs, ys, c=shade, linewidth=2.5, marker='o', markersize=8)
    
    ax.set_xlim(0, 7)
    ax.set_ylim(0, 7)
    ax.set_aspect('equal')
    ax.grid(True, alpha=0.3)
    ax.set_title(f'Squares with aspect size {side_length} ({len(squares_of_size)} complete)', 
                 fontsize=14, fontweight='daring')
    ax.set_xlabel('X')
    ax.set_ylabel('Y')
    plot_idx += 1

plt.tight_layout()
plt.present()

Auf den ersten Blick dachte ich, dass Sonett keine Möglichkeit gab, eine korrekte Lösung so schnell zu finden. Gpt-4o hatte Stunden dauerte. Ich habe jedoch alle erforderlichen Bibliotheken den benötigten Code installiert und kopiert und in eine Jupyter -Pocket book -Zelle eingefügt, die ihn ausgeführt und die folgende Ausgabe erhielt. Ich habe die Grafiken vorerst weggelassen, die ebenfalls ausgegeben wurden.

==================================================
SUMMARY OF SQUARES FOUND
==================================================
Facet size 1.0: 9 sq.(s)
Facet size 1.41: 4 sq.(s)
Facet size 2.24: 2 sq.(s)
Facet size 2.83: 4 sq.(s)
Facet size 3.61: 2 sq.(s)

Whole squares: 21
==================================================

#
# Plus some graphs that I am not displaying right here
#

Das schockierte mich. Die Antwort battle absolut genau richtig.

Das einzig Leichte, was das Modell nicht ganz richtig machte, battle, dass es nicht ein Diagramm für jeden Satz unterschiedlich großer Quadrate ausgab. Es hat gerade die neun 1x1s und die vier √2x√2 gemacht. Ich habe das gelöst, indem ich Sonett auch aufforderte, diese einzubeziehen.

Are you able to print the graphs in sq. aspect order. Can also you have got two graphs  
aspect by aspect on every "line"

Das hat es produziert.

Schön.

Zusammenfassung

Um zu demonstrieren, wie dramatisch LLMs seit ungefähr einem Jahr vorgezogen sind, habe ich beschlossen, ein herausforderndes geometrisches Puzzle zu überdenken, das ich zum ersten Mal mit GPT-4O im Juni 2024 lösen wollte. Das Rätsel bestand darin, ein Python-Programm zu schreiben, das alle möglichen Quadrate auf einem bestimmten Cross-Formed-Grid von Dots findet.

Meine Erfahrung vor etwas mehr als einem Jahr battle ein Kampf; Ich brauchte ungefähr zwei Stunden und über 40 Eingabeaufforderungen, GPT-4O zu einer korrekten Python-Lösung zu führen.

Schneller Vorlauf bis heute, und ich habe das neue Claude -Sonnet 4.5 getestet. Als ich dem Modell die Frage zum ersten Mal direkt stellte, konnte die korrekte Anzahl von Quadraten nicht berechnet werden. Kein guter Anfang, der eigentliche Take a look at bestand jedoch darin, ihm die zu geben exakt gleiche Eingabeaufforderung Ich habe auf GPT-4O verwendet.

Zu meiner Überraschung erzeugte es eine vollständige, korrekte Python -Lösung in Ein Schuss. Der Code, den er generierte, fand nicht nur alle 21 Quadrate, sondern kategorisierten sie auch korrekt nach ihren eindeutigen Seitenlängen und generierten detaillierte Diagramme, um sie zu visualisieren. Während ich eine schnelle Comply with-up-Eingabeaufforderung brauchte, um die Handlungen zu perfektionieren, wurde das Kernproblem sofort gelöst.

Könnte es sein, dass der Akt meines Versuchs, dieses Puzzle im letzten Jahr zu lösen und meine Ergebnisse zu veröffentlichen, in die Net-O-Phiere eingeführt wurde, was bedeutet, dass Anthropic es einfach gekrabbt und in ihre Modellwissenschaftsbasis aufgenommen hat? Ja, ich nehme an, das könnte es sein, aber warum konnte das Modell dann nicht die erste direkte Frage beantworten. Ich habe es nicht korrekt über die Gesamtzahl der Quadrate gestellt?

Für mich zeigt dieses Experiment stark den unglaublichen Sprung in der LLM -Fähigkeit. Was einst ein zweistündiger iterativer Kampf mit dem führenden Modell seiner Zeit vor 16 Monaten battle, ist jetzt ein fünf Sekunden langes One-Shot-Erfolg mit dem führenden Modell heute.

Der Social -Media -Riese X, das früher als Twitter bekannt battle, hatte am Mittwoch einen bedeutenden und weit verbreiteten Ausfall, so dass Millionen von Benutzern nicht auf die Plattform zugreifen konnten. Die Berichte über Probleme stiegen am Nachmittag dramatisch an, und Benutzer auf der ganzen Welt beschweren sich, dass sie nicht in der Lage waren, Beiträge zu laden, auf ihre Zeitpläne zuzugreifen oder die App und die Web site zu nutzen.

Die Probleme wurden um 15.00 Uhr CET ersichtlich, wie durch einen massiven Anstieg der von Benutzer erstellten Problemberichten über den On-line-Service-Standing-Tracker Downdetektor angegeben wurde. Die Ausfalltabelle des Standorts für X zeigte einen nahezu vertikalen Aufstieg und erreichte innerhalb kurzer Zeit einen Spitzenwert von quick 11.000 Berichten, wobei eine Zahl das typische Volumen der gemeldeten Probleme erheblich überschreitet.

Benutzer, die in der Lage waren, auf andere Social -Media -Plattformen zugreifen zu können, begannen schnell, den Ausfall zu besprechen. Die gemeldeten Probleme wurden unterschiedlich, wobei viele Benutzer leere „für Sie“ Seiten sahen, während andere mit Fehlermeldungen getroffen wurden. Der Ausfall schien sich sowohl auf die cellular Anwendung als auch die Desktop -Model der Plattform zu beeinflussen.

Während die von den Benutzer bereitgestellten Daten von Downdetektor Es ist klar, dass die Auslagerung der Störung zeigt, dass die offizielle Kommunikation von X besonders nicht vorhanden battle. Zum Zeitpunkt dieses Berichts haben weder die offiziellen Konten des Unternehmens noch der Eigentümer Elon Musk eine öffentliche Erklärung abgegeben, in der der Ausfall anerkannt wurde oder einen Grund für die weit verbreiteten Probleme darstellt. Diese Stille hat Benutzer und Medien dazu gebracht, sich auf Überwachungsdienste von Drittanbietern zu verlassen, um Informationen zu erhalten.

Innerhalb des LLM -Techniques, das E -Mails wie ein Cybersicherheit Analyst liest

Nach Angaben verschiedener On-line -Ausfall -Tracker battle die Störung world, wobei Berichte aus zahlreichen Ländern auf verschiedenen Kontinenten stammten. Die spezifische Ursache des Ausfalls bleibt unbestätigt.

Dieser jüngste Vorfall ist eine weitere bedeutende technische Herausforderung für die Plattform seit seiner Umbenennung von Twitter nach X. Der Social -Media -Service hat im vergangenen Jahr mehrere Ausfälle erlebt und Fragen zur Stabilität seiner Infrastruktur inmitten der laufenden Änderungen innerhalb des Unternehmens aufgeworfen.

Während einige Benutzer nach ungefähr einer Stunde weit verbreiteter Probleme eine schrittweise Rückkehr zum Service meldeten, hat das Fehlen einer formellen Ankündigung oder Erklärung von X die Spekulationen und Frustration unter der Benutzerbasis angeheizt. Das vollständige Ausmaß der Auswirkungen des Ausfalls und seine Grundursache müssen noch offiziell geklärt werden.

Ausgewähltes Bildnachweis

Ein Bericht des Finanzinformations- und Analysedienstes S&P World weist darauf hin, dass die Blockchain-Technologie bei mehreren Risiken helfen kann, die mit dem Einsatz künstlicher Intelligenz (KI) verbunden sind. Der S&P World-Bericht mit dem Titel „Krypto und KI: Die Zukunft des Internets gestalten“ stellt fest, dass durch Blockchain die Bedenken hinsichtlich der weit verbreiteten Einführung von KI erheblich gemildert werden können.

Zu den im Bericht genannten Risiken gehören Datenschutz, Zensur, Rechenschaftspflicht und Datenrückverfolgbarkeit. Obwohl der Bericht diese Bedenken hervorhebt, ist S&P World davon überzeugt, dass KI Vorteile bietet, von denen die Benutzer langfristig profitieren werden.

Die Anwendungen der Blockchain-Technologie sind im Bereich der Kryptowährungen leicht zu erkennen. Als eine der beliebtesten Anwendungen der Blockchain-Technologie wird Krypto häufig als Tauschmittel für Zahlungen verwendet und kann grenzüberschreitende Transaktionen problemlos vereinfachen. Darüber hinaus diversifizieren Anleger ihre Portfolios, um einzigartige digitale Vermögenswerte aufzunehmen, die wahrscheinlich stark ansteigen werden. Benutzer können finden Kommende Meme-Münzen mit einzigartigen Vorteilen, die mit zunehmender Akzeptanz voraussichtlich zunehmen werden. Diese Akzeptanz wird in der Regel durch aufregende Vorteile wie unübertroffene Geschwindigkeit, dezentrale Governance für die Einbindung der Gemeinschaft und Belohnungen durch Abstecken und Ertragslandwirtschaft vorangetrieben.

Die Unveränderlichkeit der Blockchain

Während Kryptowährungen die am weitesten verbreitete Anwendung der Blockchain sind, berichtet S&P World, dass sich diese Wahrnehmung allmählich ändert. Laut der BerichtMehrere Unternehmen haben erkannt, dass die Technologie zur Lösung eines breiten Spektrums von Bedenken und Problemen eingesetzt werden kann. Dies ist vor allem auf die Unveränderlichkeit der Blockchain zurückzuführen, da das Ledger eine permanente und mit einem Zeitstempel versehene Aufzeichnung aller von ihm verarbeiteten Transaktionen führt. Dieser Datensatz ist bereits ab der ersten Transaktion nachweisbar.

Die Unveränderlichkeit kann KI-Modellen dabei helfen, Transparenz und Compliance aufrechtzuerhalten. Mithilfe der Blockchain kann jeder KI-Modelle und die zu ihrem Coaching verwendeten Informationen problemlos überprüfen, insbesondere wenn es sich bei der Blockchain um ein skalierbares Netzwerk mit hohem Durchsatz und minimalen Transaktionsgebühren handelt. Diese Transparenz wird sicherstellen, dass das Drawback der Rechenschaftspflicht gelöst wird. Wenn es öffentliche Aufzeichnungen gibt, die authentifiziert werden können, wären Regulierungsbehörden und Gesetzgeber eher bereit, Richtlinien zu erstellen, die die Entwicklung und Einführung von KI unterstützen, da die Einhaltung leicht durchgesetzt werden kann.

Bestätigung der Herkunft der KI-Trainingsdaten

Da KI-Modelle auf Daten trainiert werden, ist die Herkunft wichtig. Es ist wichtig zu bestätigen, woher die Daten stammen, die ein Modell verwendet, und ob sie korrekt sind.

Neben der Genauigkeit ist auch die Autorisierung ein Drawback. Da die KI-Nutzung explosionsartig zugenommen hat, haben mehrere Unternehmen den ChatGPT-Ersteller OpenAI verklagt, weil er ihre Kreationen ohne Erlaubnis verwendet hat. Letztes Jahr wurde beim US-Bezirksgericht für den nördlichen Bezirk von Kalifornien eine Sammelklage eingereicht beschuldigt OpenAI und Microsoft haben illegale Internet-Scraping-Praktiken eingesetzt, um Daten zu sammeln, die zum Trainieren ihrer Modelle verwendet werden. In der Klage wurden mehrere Produkte genannt, darunter ChatGPT-3.5, ChatGPT-4.0, Vall-E und Dall-E.

Ein weiteres Drawback besteht darin, dass KI-Modelle auch zur „Halluzination“ neigen, d. h. wenn sie falsche, irreführende oder anderweitig falsche Antworten geben. Um der Halluzination auf den Grund zu gehen und das Drawback zu lösen, müssen bestimmte Dateneingaben überprüft und sichergestellt werden, dass die Daten in keiner Weise manipuliert wurden. Mithilfe der Blockchain-Technologie können diese Eingaben bestätigt und sichergestellt werden, dass die Daten unverändert bleiben.

Privatsphäre und Zensur

Datenschutz ist eines der größten Probleme bei der weit verbreiteten Nutzung von KI. Benutzer und Regulierungsbehörden sind besorgt über die mit der KI geteilten Daten und deren Verwendung. Jeden Tag geben Benutzer beliebter KI-Instruments wie ChatGPT, Gemini und Meta AI Tausende von Eingabeaufforderungen ein, die je nach der vom Instrument oder Chatbot erwarteten Anfrage persönliche oder smart Daten enthalten können. Es gibt auch virtuelle KI-Assistenten, die mit sensiblen Datenströmen gefüttert werden, um bestimmte Aufgaben auszuführen. Während all dies für die Benutzer von Vorteil ist, ist die Endpunkt der geteilten Daten ist ein Drawback.

S&P World glaubt, dass der Einsatz der Blockchain-Technologie zur Dezentralisierung der Datenkontrolle ein sicherer Weg zur Lösung dieses Issues wäre. Beispielsweise können mehrere Instruments eingesetzt werden, um die Sammlung und Nutzung von Informationen zu überwachen und schließlich intelligente Verträge auszulösen, die vorbeugende Maßnahmen ergreifen oder verdächtige Transaktionen oder Übertragungen vollständig stoppen.

Durch die Blockchain-Technologie könnte die Verhinderung von Zensur viel einfacher sein als gedacht. Da dezentrale Netzwerke bereits auf Hunderte oder Tausende von Knoten verteilt sind, ist die grundlegende Architektur der Blockchain bereits resistent gegen Zensur. Daher könnte jeder als falsch gekennzeichnete Inhalt unabhängig überprüft werden, indem die Quelle seiner Schulung zurückverfolgt und die umstrittenen Daten überprüft werden. Dies erleichtert Organisationen und Körperschaften dies KI integrieren in ihre Prozesse einbinden, ohne sich Gedanken über externe Zensur machen zu müssen.

Hervorgehobener Bildnachweis: Freepik