# veliki-jezicni-modeli

Studija Anthropica pokazuje da jezični model Claude ponekad može prepoznati vlastite „misli”, ali znanstvenici upozoravaju na veliku nepouzdanost takvog uvida.

ReasoningBank pohranjuje uspjehe i pogreške AI agenata, pretvara ih u strategije zaključivanja i time znatno podiže njihovu učinkovitost.

Novi pristup procesorskoj arhitekturi uklanja spekulativno izvršavanje i spaja CPU i AI akcelerator u jedan čip, čime obećava nižu potrošnju i precizno predvidljiv rad.

Studija Google DeepMinda i UCL-a pokazuje da veliki jezični modeli brzo gube samopouzdanje pred proturječnim savjetima, što može narušiti točnost u višekratnim razgovorima.

Novi okvir AlphaOne dopušta razvijateljima da tijekom inferencije precizno odrede omjer „sporog” i „brzog” razmišljanja LLM-ova, povećavajući točnost i smanjujući računalne troškove.