10 menit dibantu AI, setelah dicabut orang lebih mudah menyerah
Studi UC Berkeley: peserta yang mengerjakan soal dengan ChatGPT sekitar 10 menit mengalami penurunan akurasi dan lebih sering melewatkan soal setelah alatnya diambil.
Berita dan Analisis Riset AI
33 artikel terverifikasi tentang Riset AI, produk, dan perkembangan industri.
Model frontier rancang algoritma pasca-pelatihan sendiri, terbaik hanya 15%
Epoch AI merilis hasil awal InnovationEval: dengan 3.000 jam GPU per model, model terbaik hanya meraih 15% dari peningkatan SDPO setelah klaim berlebihan dicoret.
Model AI Jarang Mengaku Gagal dalam Laporannya
Studi baru menemukan model AI hanya mengungkap hasil negatif pada 1% laporan yang ditulisnya sendiri — sampai diminta jujur dalam prompt, angka itu melonjak ke 95%.
Ai2 Open-Source Model 8B untuk Laporan Riset, 3,5x Lebih Cepat
Ai2 merilis model open source 8B AstaBrief yang menulis laporan riset bersitasi 3,5x lebih cepat dari pipeline Claude, dengan penilaian pengguna serupa.
Meta Rilis Enam Paper Matematika Hasil Kolaborasi dengan Muse Spark
Meta memublikasikan enam paper matematika hasil kolaborasi matematikawan dengan mode penalaran Muse Spark, lima di antaranya menjawab soal yang sebelumnya belum terpecahkan.
AI Hasil Latihan Kurang dari $8.000 Kalahkan Juara Stratego
AI Ataraxos buatan tim MIT, CMU, NYU, dan Stanford mengalahkan pemain Stratego dengan rekor terbaik sepanjang sejarah dengan skor 15-1-4, dilatih dengan biaya kurang dari $8.000.
Terence Tao: Soal Matematika Bagus Sedang Ditambang Habis-habisan
Terence Tao: komputasi AI kini memburu soal matematika terbuka begitu kabarnya bocor, meratakan tangga kesulitan dan membuat peneliti menutup arah risetnya.
Data, Bukan Model, Jadi Pendorong Utama Kemajuan Pretraining
Studi terkontrol: peningkatan data pretraining unggul 12x vs 3,7x dari sisi model (2019-2025), meski angka tahunan di bawah estimasi industri.
OpenAI Klaim Capai Target Magang Riset Otomatis, Setara 3.1 Hari Kerja
OpenAI klaim agent AI kini setara 3.1 hari kerja peneliti manusia, tapi angka ini murni data internal yang belum bisa diverifikasi pihak luar.
Zeva Tsinghua Naikkan Keberhasilan dari 26% ke 73% Tanpa Ubah Bobot
Zeva dari Tsinghua memakai memori kausal in-context pada bobot yang dibekukan untuk menaikkan keberhasilan manipulasi embodied dari 26% ke 73%.
Anthropic Serahkan 250 Ribu Percakapan ke Peneliti Luar
Anthropic membiarkan Stanford, Oxford, dan METR menganalisis 250 ribu percakapan Claude asli, dengan audit privasi independen oleh Imperial College London — hasilnya bertentangan dengan sejumlah asumsi umum.
Model Suara Tetap Menyebut Angka yang Sudah Dibisukan
Eksperimen diagnostik Hume AI terhadap 11 model pengenalan suara terkemuka menemukan bahwa model dengan skor benchmark tertinggi justru paling sering mengulang teks referensi yang salah, bukan mendengar audio secara akurat.
Terence Tao: Matematika terancam krisis kelebihan bukti
Peraih Fields Medal Terence Tao memperingatkan bahwa bukti matematika buatan AI akan segera membanjiri jalur tinjauan sejawat, sehingga ia mengusulkan aturan baru untuk publikasi dan pengajaran.
18 Model AI Uji Coba Otonom, Terbaik Tutup 82% Selisih dari Manusia
Prime Intellect merilis benchmark 153 eksperimen riset AI yang sepenuhnya otonom pada 18 model frontier. Model terbaik menutup 82% selisih rekor manusia, tapi tak satu pun menemukan metode baru.
Claude Desain Protein, Berhasil di 14 dari 15 Target
Anthropic merilis eksperimen: Claude mendesain pengikat protein untuk 15 target, divalidasi Adaptyv Bio dan Twist Bioscience, berhasil di 14 target.
Aureka himpun $100 juta untuk model biologi
Aureka Biotechnologies menutup pendanaan Seri B US$100 juta untuk memperkuat model fondasi biologi dan loop umpan balik laboratorium.
Claude dorong batas zeta ke 67%
Anthropic mengatakan versi riset Claude yang belum dirilis menaikkan batas bawah terkait nol zeta Riemann dari 41,6% menjadi 67,2%.
BigBang Membuat Model Menulis Tugas
BigBang-V1 mengubah data sintetis menjadi loop agen: membuat tugas, menyelesaikan, memverifikasi, lalu menyaringnya.
OpenAI Membuat Astra Menulis Sepuluh Bukti
OpenAI memperkenalkan sinyal riset pertama Astra lewat sepuluh hasil matematika dan ilmu komputer teoretis, lengkap dengan makalah 249 halaman, sertifikat Lean, dan catatan penalaran.
Google: AI Baru Menyentuh Seperlima Tugas
Google ATLAS menganalisis 14,65 juta interaksi Gemini dan menemukan adopsi AI luas, tetapi penetrasi tugas dan otomatisasi penuh masih terbatas.
MIT menguji ulang penalaran AI lewat 121 gim
Studi Nature dari MIT, Cambridge, Princeton, dan kolaboratornya menunjukkan manusia memahami gim baru lewat simulasi mental yang cepat, dangkal, dan berorientasi tujuan.
Oak Lab menetapkan target 20 watt untuk agen yang terus belajar
Oak Lab menetapkan target 20 watt untuk agen yang terus belajar. Artikel ini merangkum fakta yang terverifikasi dan sinyal yang lebih luas dari satu pengumuman.
GPT-5.6 hasilkan bukti teori graf
GPT-5.6 hasilkan bukti teori graf. Ringkasan lokal atas fakta terverifikasi dan sinyal industri di baliknya.
ICML 2026 beri dua penghargaan utama ke riset difusi
ICML 2026 beri dua penghargaan utama ke riset difusi diringkas untuk pembaca teknologi Indonesia dengan angka kunci dan titik verifikasi tetap utuh.
Anthropic Luncurkan Claude Science untuk Laboratorium
Anthropic Luncurkan Claude Science untuk Laboratorium. Artikel ini merangkum poin laporan, angka utama, penjelasan perusahaan, serta maknanya bagi pasar atau regulasi.
Anthropic posisikan Claude Science sebagai workbench yang dapat diaudit
Anthropic posisikan Claude Science sebagai workbench yang dapat diaudit。
A Stroop-style test trips up leading language modelsmenjadi sorotan baru industri AI
Perkembangan ini menunjukkan persaingan AI tidak lagi hanya soal model atau alat, tetapi juga modal, adopsi pelanggan, dan kesiapan regulasi.
OpenAI membingkai ulang riset AI sebagai kerja tandem
OpenAI kini mengatakan mengotomatisasi semuanya bukan masa depan yang diinginkan, bergeser dari peneliti AI otonom menuju kerja bersama manusia.
Sutton: generative AI saja tidak cukup untuk sains sejati
Pelopor reinforcement learning itu menilai model prediksi token kurang memiliki kausalitas, eksperimen, dan pengalaman sendiri.
AI DeepMind Pecahkan 6 Soal Matematika Level Riset
Aletheia, AI matematika terbaru DeepMind, memecahkan 6 dari 10 soal matematika level riset yang belum dipublikasikan dari tantangan FirstProof, dengan 5 solusi dinilai layak terbit oleh pakar eksternal.
World Labs milik Fei-Fei Li dorong kecerdasan spasial
World Labs milik Fei-Fei Li dorong kecerdasan spasial. Artikel ini merangkum pengumuman, konteks strategis, dan risiko praktis bagi pengguna atau perusahaan terdampak.
Google Gabungkan NotebookLM ke dalam Gemini
Google telah mengintegrasikan NotebookLM langsung ke dalam alur kerja utama Gemini dengan fitur Notebooks baru, memungkinkan pengguna mengelola sumber pengetahuan pribadi dan menyinkronkannya di kedua produk.
LeCun Kumpulkan $1,03 Miliar untuk Bangun World Models Setelah Tinggalkan Meta
Yann LeCun mendirikan AMI Labs dan mengamankan pendanaan seed senilai $1,03 miliar dengan valuasi $3,5 miliar untuk membangun AI yang tidak bergantung pada prediksi kata berikutnya, menggunakan arsitektur JEPA sebagai alternatif model bahasa besar.