Både Fable och Astra kan lära sig löpande och bli bättre än mänskliga proffs på olika jobb nu.
Citat:
That is one of the most important situations to monitor of our time. Fable 5.1 from Anthropic and GPT-6 Astra from OpenAI both claim a massive jump in knowledge work with improved capabilities in computer use and long-horizon agents. Have they crossed the critical threshold such that they can readily deploy into a knowledge job, learn on the job, and perform as well as human workers? That will mark AI’s readiness as independent workforce rather than passive tools.
A job is not just a set of independent tasks. Every company is special. Every job is special. Becoming an expert in any job at any company is a multi-faceted continual learning process. When a new employee onboards, they learn to use the software and internal portals (computer use), learn company conventions from historical data (offline learning), and, most importantly, learn from doing the job in a lifelong journey (long-horizon online learning).
https://neocognition.io/blog/apprentice-bench/
Dom Kinesiska AI modellerna tyckte jag verkade bra men här får dom en rejäl smocka mot Moonshot, KIMI och Xiamoi. Lär bli svettigt på kontoret nästa vecka för ett antal anställda som blivit outade med att posta kinesiska statshemligheter direkt till USA. Matematikern som hävdade att OpenAI spionerade på honom får också vatten på sin kvar här, dom stora företagen har järnkoll på vad folk använder modellerna till.
Citat:
The threat actors covered in this report include suspected state-sponsored groups, financially motivated criminals, commercial spyware vendors, state propaganda institutions, and politically motivated individuals. The cases range from a network of fake dating apps designed to defraud users to surveillance systems built to identify and monitor dissidents.
https://www.anthropic.com/threat-intelligence-report-september-2026
Hårda tider för matematiker när deras yrke äts upp.
Citat:
A Severe Misalignment of AI in Mathematics
“Over the last few months, the mathematical capabilities of LLMs have improved dramatically, to the point that they can solve major outstanding problems in many fields of mathematics. However, the push by AI companies to solve mathematical problems as a benchmark is detrimental to the science of mathematics, and to the mathematical community. The goals of the AI companies and the goals of the mathematical community are severely misaligned. We see these as part of broader alignment issues impacting other scientific and creative professions, as well as the whole of society.”
Citat:
Ursprungligen postat av
DI-utforskaren
Den främsta orsaken till att det är full fart hos OpenAI nu är, förutom en ständig ökande beräkningskspacitet, är nog något som Greg Brockman, (president hos OpenAI inte styrelseordförande) uppgett i en intervju med Alex Heath/TIME: Att deras modeller, efter ChatGPT-4o hade samma förtränade basmodell från GPT-4o och pressade sedan fram stora förbättringar genom efterträning, resonemang och andra systemförbättringar., fast det har ändrats efter 2025.
När det kommer till Astra, för att inte tala om den interna modellen som stod för det aktuella preliminära matematiska genombrottet så kan en hypotes vara att för varje token körs först flera varv i nätverket. Dessutom är en annan hypotes att Astra kan ha destilleras ur den större forskningsmodellen. Kanske rentav forskningsmodellen i sin tur destilleras ur en ännu större modell, men här spekulerar jag hej vilt!🙂, och var OpenAI:s offentliggjorda automatiserade forskningspraktikant befinner sig i denna hypotetiska förmågehierarki, vet i fan!
Två mammutar som står på ett berg och tittar på människor nere i en ravin "Du Storfot, dom där människorna verkar som dom har börjat spegla sina tankar i sig själva flera gånger i rad för att uppnå någon slags självmedvetande, tror du det kan vara farligt i längden?"
![DAGGER[X]s avatar](https://static.flashback.org/img/avatar/3/12696.jpg)
