AI & ML Research 24 Hours

अंतिम अपडेट: August 20, 2026, 1:40 AM ET

मॉडल संदर्भ स्केलिंग

OpenAI ने फ्रंटियर मॉडल विकसित करने वाले पात्र API ग्राहकों के लिए अपने जीरो डेटा रिटेंशन प्रतिबद्धता की पुष्टि की, जिससे इन अंतरक्रियाओं से उत्पन्न प्रशिक्षण डेटा भविष्य की मॉडल सुधारों से बाहर रहेगा। कंपनी ने प्राइवेट सेफ्टी प्रोसेसिंग का भी पूर्वावलोकन किया, जो डेटा गोपनीयता या सुरक्षा सीमाओं को समझौते बिना उन्नत AI सुरक्षा अनुसंधान को सक्षम करने वाला एक ढांचा है।

Towards Data Science के शोधकर्ताओं ने Kimi K3 के 1M टोकन संदर्भ खिड़ाई और पारंपरिक RAG पाइपलाइनों के बीच एक नियंत्रित तुलना की। उन्होंने समान 12 प्रश्नों, सिस्टम प्रॉम्प्ट और मॉडल का उपयोग करके दोनों दृष्टिकोणों की सही प्रतिकृति, पूर्णता और आधार पर मूल्यांकन किया, जिसमें पाया गया कि पूरा संदर्भ वाले विधियाँ लेटेंसी कम करती हैं लेकिन पुनर्प्राप्ति-आधारित विकल्पों की तुलना में लागत में भारी वृद्धि करती हैं।

एक एंटरप्राइज़ एकीकरण पाइपलाइन को 500 से 8,000 ईवेंट्स प्रति सेकंड तक स्केल किया गया जबकि दो महत्वपूर्ण सही प्रतिबद्धता के समर्थन बनाए रखे गए। स्केलिंग दृष्टिकोण उत्पादन प्रणालीयों में थ्रूपुट अनुकूलन के साथ-साथ डेटा अखंडता आवश्यकताओं के साथ सहकार्य कर सकता है, इसका प्रदर्शन करता है।

AI सुरक्षा एवं सार्वजनिक धारणा

MIT प्रौद्योगिकी समीक्षा ने AI की पुनर्पालीय आत्म-सुधार चुनौतियों की जांच की, उनके साथ ही टिप्पणी की कि पूर्वानुमानित तेज़ी से क्षमता आरंभ की प्रकृति अधिकांश मामलों में शुरुआती अनुमानों से अधिक धीरे से फैल़ेगी। विश्लेषण तकनीकी बंधनों को उजागर करता है जो स्वतंत्र प्रणाली विकास को धीमा कर सकते हैं।

anti-AI भावना पर नए शोध के अनुसार, सार्वजनिक स्वीकृति केवल आवश्यक मूल्य प्रदान करने पर निर्भर करती है। जब उपयोगकर्ता tangible लाभों को महसूस करते हैं, तो वे व्यापार-ऑफ़ को स्वीकार करने के लिए अधिक तैयार हो जाते हैं, लेकिन डेटा उपयोग और प्रणाली व्यवहार के बारे में अंधेरेपन तेज़ी से भरोसे को कमज़ोर कर सकता है।

डेवलपर उपकरण एवं अनुप्रयोग

Replit ने फ्री मोड लॉन्च किया जो GPT-5.6 लूना द्वारा संचालित है, जिससे सॉफ्टवेयर निर्माण के लिए टोकन लागत के बाधाएँ हटाई गईं। इस पहल का उद्देश्य उपयोग-आधारित मूल्य निर्धारण चिंताओं के बिना अनंत पुनरावृत्ति की अनुमति देकर कोडिंग को लोकतंत्रीकृत करना है।

कंप्यूटर दृश्य पज़ल सहायक जिसे जिगसा जीव्स कहा गया है, उसे एक व्यावहारिक छवि पहचान के उपयोगों का प्रदर्शन करता है, जो Python-आधारित तकनीकों का उपयोग करके पज़ल टुकड़ों की पहचान और स्थान निर्धारण में मदद करता है।

यद्यपि छोटे उपयोगकर्ताओं के लिए गोपनीयता जोखिमों को ध्यान में रखते हुए बच्चों की निगरानी ऐप्स का फिर से विचार किया जा रहा है। पुनर्जीवित दृष्टिकोण सुरक्षात्मक कार्यक्षमता के साथ-साथ किशोर डिजिटल अधिकारों पर ज़ोर देता है।