Nem találtam publikusan elérhető háttérinformációt.

• Az AI ügynökök memóriája a rövid távú kontextusablakon túlmutató, több rétegű architektúrára épül, amely általában rövid távú, munka- és hosszú távú memóriából áll.
• A hosszú távú memória további típusokra bontható: epizodikus (konkrét események), szemantikus (tények) és procedurális (készségek), amelyek a kognitív tudományokból átvett modelleken alapulnak.
• A technikai megvalósítás gyakran háromszintű tárolási modellt használ: GPU HBM a leggyorsabb eléréshez, DRAM a köztes adatoknak, és NVMe SSD-k a költséghatékony, perzisztens tároláshoz, melyeket vektor, kulcs-érték és gráf adatbázisok kezelnek.

Míg a nagy nyelvi modellek kontextusablaka korlátozott, a fejlett AI ügynököknek perzisztens, több munkameneten átívelő memóriára van szükségük a hatékony működéshez. Ezek a memória architektúrák teszik lehetővé a személyre szabott és kontextus-tudatos interakciókat, ami elengedhetetlen a komplex, hosszabb távú feladatok elvégzéséhez.

Nem találtam publikusan elérhető háttérinformációt.

• A SpatialWorld egy új, egységesített benchmark, amelyet többek között a Tsinghua Egyetem és a ZenoMind AI kutatói hoztak létre a multimodális AI ügynökök interaktív térbeli következtetési képességeinek mérésére.
• A keretrendszer 8 különböző szimulációs környezetet (pl. AI2-THOR, CARLA, VirtualHome) integrál, és 760, ember által annotált, valós világbeli feladatot tartalmaz.
• A 15 fejlett AI ügynökön végzett tesztek kimutatták a jelenlegi modellek korlátait: a legerősebb modell, a GPT-5 is csak 17,4%-os átlagos sikerességi arányt ért el a feladatokon.

A meglévő AI tesztek leginkább statikus képeken alapuló kérdésekkel mérik a térérzékelést. A SpatialWorld ezzel szemben egy interaktív környezetet biztosít, ahol az AI ügynököknek aktívan kell felfedezniük a virtuális teret és cselekedniük a feladatok megoldása érdekében, ami sokkal közelebb áll a valós alkalmazásokhoz.

• A kutatás a „Latent Context Language Models” (LCLM) nevű, kódoló-dekódoló architektúrán alapuló modelleket mutatja be a hosszú kontextus hatékony kezelésére.
• A módszer lényege, hogy a hosszú bemeneti szöveget (token-sorozatot) egy rövidebb, látens beágyazássá tömöríti, amelyet a dekóder modell már könnyebben tud feldolgozni.
• A kutatók egy 0.6 milliárd paraméteres kódolóból és 4 milliárd paraméteres dekóderből álló modellcsaládot tanítottak be több mint 350 milliárd tokenen, 1:4, 1:8 és 1:16 arányú tömörítési rátákkal.

A hosszú szövegek feldolgozása során a nyelvi modellek memóriahasználata (az ún. KV cache mérete) a kontextus hosszával arányosan nő, ami komoly számítási szűk keresztmetszetet jelent. Az LCLM modellek ezt a problémát orvosolják azáltal, hogy a kontextust egy sokkal rövidebb, sűrített formára alakítják, így csökkentve a memóriaigényt és javítva a feldolgozási sebességet.

Nem találtam publikusan elérhető háttérinformációt.

• Az optikai következtetés (optical inference) során a számításokat nem elektronikus tranzisztorok, hanem a fény fizikai tulajdonságai, például a diffrakció végzi el.
• Ez a megközelítés lehetővé teszi a számítások (pl. mátrixszorzás) fénysebességgel történő elvégzését, rendkívül alacsony energiafogyasztás mellett.
• A UCLA kutatócsoportja Aydogan Ozcan vezetésével már sikeresen demonstrált olyan diffrakciós processzorokat, amelyek képesek voltak kézírásos számjegyek és divatcikkek osztályozására ezzel a technológiával.

A hagyományos, szilícium alapú chipek egyre nagyobb energiaigénye fenntarthatósági és fizikai korlátokba ütközik. Az optikai számítástechnika egy alternatívát kínál, ahol a képi információk feldolgozása és az érvelés közvetlenül, analóg módon, a fény segítségével történik, ami drasztikusan csökkentheti az AI modellek futtatásának energiaigényét, különösen a képfeldolgozási feladatoknál.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

• A NotebookLM a Google mesterséges intelligencia alapú jegyzetelő és kutatási asszisztense, amelyet a Gemini modellek (pl. Gemini 3.5) működtetnek.
• Lehetővé teszi akár 50 különböző forrás (PDF, weboldal, YouTube videó stb.) feltöltését egy jegyzetfüzetbe, és a válaszokat kizárólag ezekre az anyagokra alapozza, kiküszöbölve a hallucinációkat.
• Konkrét promptokkal (pl. „5 alapvető kérdés generálása”, „vita formátum”, „kvíz show formátum”) képes interaktív tananyagokat, összefoglalókat és akár podcast-szerű hanganyagokat is létrehozni a feltöltött forrásokból.

A Google NotebookLM egy olyan specializált AI eszköz, amely a felhasználó által biztosított dokumentumok alapján segít a mélyebb megértésben és a tudás rendszerezésében. A cikkben említett promptok specifikus parancsok, amelyekkel a felhasználók a legtöbbet hozhatják ki az eszközből tanulás vagy kutatás során.

• Az alapvető AI-készségek közé tartozik a hatékony „prompting”, azaz a parancsok pontos megfogalmazása a generatív AI eszközök (pl. ChatGPT, Google Workspace AI) számára.
• Kulcsfontosságú az AI által generált tartalom kritikus értékelése, szerkesztése és a ténybeli hibák (hallucinációk) kiszűrése a minőségi munkavégzéshez.
• Az AI nem helyettesíti az emberi készségeket, mint az érzelmi intelligencia, a tiszta kommunikáció, a kapcsolatépítés és a csapatmunka, amelyek felértékelődnek az AI-vezérelt munkahelyeken.

Ez az útmutató egyszerű, gyakorlati tanácsokat ad a munkavállalóknak arról, hogyan integrálják az AI-t a mindennapi munkájukba anélkül, hogy technikai szakértőkké kellene válniuk. A cél a hatékonyság növelése azáltal, hogy a repetitív, automatizálható feladatokat átadják az AI-nak, így több idő jut a magasabb hozzáadott értékű, emberi képességeket igénylő teendőkre.

• A kutatás a „Mirage” nevű keretrendszert mutatja be, amely egy új, látens térbeli memóriát használ a videó világmodellekhez.
• A technológia a 3D-s jelenetinfromációkat közvetlenül a diffúziós modell látens (absztrakt) terében tárolja, elkerülve a számításigényes RGB pixel-térbe való vissza- és átkódolást.
• Az eredmények szerint ez a megközelítés akár 10,57-szer gyorsabb videógenerálást és 55-ször kisebb memória-lábnyomot tesz lehetővé a hagyományos, pontfelhő alapú memóriát használó módszerekhez képest.

A Microsoft Research és több egyetem közös kutatása egy hatékonyabb memóriakezelési eljárást javasol a videógeneráló AI modellek számára. Ahelyett, hogy a modell minden képkockát pixelenként renderelne és újraelemezne a 3D-s konzisztencia megőrzéséhez, a Mirage a releváns információkat egy absztrakt, tömörített formában tartja nyilván.

• Az 'EvalCards' (Értékelési Kártyák) egy új, szabványosított keretrendszer az AI modellek kiértékelési eredményeinek egységes és átlátható dokumentálására.
• A keretrendszer célja, hogy megoldja a jelenlegi problémát, miszerint az értékelési eredmények inkonzisztensen vannak riportálva a különböző platformokon (pl. ranglisták, kutatási cikkek, blogposztok).
• Egy EvalCard egységes rekordba foglalja a benchmark metaadatait, a kiértékelés futtatási adatait és a modellre vonatkozó információkat, így biztosítva az összehasonlíthatóságot és a reprodukálhatóságot.

Az AI modellek teljesítményét számos benchmarkon mérik, de az eredmények közlése gyakran hiányos vagy nem egységes, ami megnehezíti a modellek objektív összehasonlítását. Az EvalCards egy, a Model Cards-hoz és Data Cards-hoz hasonló kezdeményezés, amely kifejezetten az értékelési folyamat dokumentálására fókuszál, növelve ezzel az átláthatóságot és a megbízhatóságot.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

• A Claude Cowork egy az Anthropic által fejlesztett AI asszisztens, amely a felhasználó számítógépén, lokális fájlokkal és mappákkal dolgozik, hogy konkrét, kész anyagokat (pl. táblázatokat, prezentációkat) hozzon létre.
• Kifejezetten nem technikai felhasználók számára készült, akiknek összetett, több lépésből álló, ismétlődő feladataik vannak, mint például fájlok rendszerezése, átnevezése, duplikátumok szűrése vagy dokumentumok összefoglalása több forrásból.
• A hagyományos chatbotokkal ellentétben, ahol a feladatokat egyesével kell megfogalmazni, a Cowork-nak elég a célt megadni, és az önállóan hajtja végre a szükséges lépéseket a fájlrendszerben, a felhasználó beavatkozása nélkül.

A Claude Cowork az Anthropic válasza azokra az irodai munkafolyamatokra, amelyek sok manuális, repetitív lépésből állnak, mint a fájlmenedzsment vagy adat-előkészítés. Az eszköz egyfajta "AI munkatársként" működik a felhasználó asztali környezetében, csökkentve az adminisztratív terheket.

• Egy AI ügynök négy alapvető komponensből áll: egy nagy nyelvi modell (LLM), mint a GPT vagy a Claude, ami az "agyat" adja; eszközök (tools), amelyek külső API-k vagy funkciók, amikkel cselekedni tud; memória, hogy emlékezzen a korábbi interakciókra; és tudás (knowledge), ami a modell alaptréningjén túli, specifikus információkat biztosít.
• Az építéshez használhatók no-code platformok (pl. n8n, Dify, Zapier) az egyszerűbb automatizációs munkafolyamatokhoz, vagy programozói keretrendszerek (pl. LangChain, CrewAI), ha nagyobb kontrollra van szükség.
• A legelterjedtebb működési minta a ReAct (Reason + Act), ahol a modell felváltva "gondolkodik" a következő lépésről és "cselekszik" egy eszköz meghívásával, majd kiértékeli az eredményt a végső válasz megadásáig.

Az AI ügynökök építése 2026-ra a szoftverfejlesztés egyik központi elemévé vált, ahol a hangsúly a szándék és a végrehajtás közötti híd megteremtésén van. Ahelyett, hogy csak információt adnának, ezek az ügynökök aktívan hajtanak végre feladatokat különböző rendszerekben, így automatizálva az összetett, több lépésből álló üzleti folyamatokat.

• Az automatizáció első szintje az alkalomszerű, manuális használat, például szövegírás vagy ötletelés a Claude webes felületén keresztül, jellemzően ingyenes vagy alap előfizetésekkel, ami nem ad versenyelőnyt.
• A második szint a folyamatokba való beépítés (Assist & Automate), ahol az AI már egy konkrét munkafolyamat része, például automatizált, személyre szabott válaszokat küld vagy riportokat állít össze külső eszközök (pl. n8n) és API-k segítségével.
• A harmadik szint a teljeskörű, önálló működés, ahol az AI ügynökök (agents) komplex, több lépéses feladatokat hajtanak végre, például kódolnak, fájlrendszert kezelnek, vagy más rendszerekkel integrálódnak a Claude Code, Cowork vagy az MCP (Model Context Protocol) protokollon keresztül.

A Claude-alapú automatizáció szintjei azt mutatják meg, hogy egy vállalkozás mennyire mélyen integrálja az AI-t a működésébe. Míg sokan megmaradnak az egyszerű chatbot használatnál, a valódi hatékonyság és versenyelőny a munkafolyamatokba épített, majd később önállóan működő AI ügynökök létrehozásával érhető el, amihez már célzott eszközökre és befektetésre van szükség.

• A Lathe egy nyílt forráskódú, kísérleti eszköz, amely LLM-eket (pl. Claude, Codex) használ arra, hogy bármilyen technikai témában, forrásokkal alátámasztott, gyakorlati tutorialokat generáljon.
• A célja, hogy a felhasználó a generált útmutatót követve, a kód kézzel történő begépelésével sajátítsa el az anyagot, ezzel mélyítve a tudást, ahelyett, hogy az AI végezné el helyette a munkát.
• Az eszköz egy Go nyelven írt parancssori alkalmazásból és egy helyben futó webes felületből áll, ahol a tutorialokat lehet olvasni, illetve további kérdéseket feltenni vagy új részekkel bővíteni azokat.

A Lathe egy 2026 júniusában a Hacker News-on bemutatott projekt, amely egyfajta ellenpontja a feladat-automatizáló AI eszközöknek. Azt a filozófiát képviseli, hogy a nagy nyelvi modellek elsődleges értéke a tudás átadásában és a tanulás támogatásában rejlik, nem pedig a gondolkodás és a gyakorlati tapasztalatszerzés kihagyásában.