AI & ML Research 24 Hours

Terakhir diperbarui: August 24, 2026, 8:38 PM ET

Alur Kerja Agens dan Integrasi Logika

Pengembang semakin mencari cara untuk menyuntikkan alur kontrol kustom ke dalam agen model bahasa besar (LLM). Sebuah analisis terbaru mengeksplorasi bagaimana menanamkan logika kustom langsung ke dalam loop agens Codex, yang memungkinkan perilaku yang lebih deterministik dalam proses yang sebelumnya stokastik Put Your Own Logic Inside the Codex Agentic Loop. Pendekatan ini melampaui rekayasa prompt sederhana dengan menyusun ulang arsitektur pengambilan keputusan agen. Sebagai pelengkap, sebuah penelitian lain berargumen bahwa agen AI lebih menderita karena struktur konteks yang buruk daripada kekurangan konteks. Artikel tersebut menyarankan bahwa konteks bertipe sangat penting, mencegah kaburnya semantik yang terjadi ketika instruksi, memori, dan output alat diratakan menjadi satu string AI Agents Don’t Need More Context — They Need Typed Context. Dengan menjaga batas semantik yang ketat, pengembang dapat mengurangi tingkat halusinasi dan meningkatkan keandalan dalam tugas multi-langkah yang kompleks.

Optimasi Kinerja dan Efisiensi Inferensi

Pemanfaatan perangkat keras tetap menjadi hambatan kritis untuk penyebaran AI yang skalabel. Benchmark baru menunjukkan bahwa dekoding spekulatif pada CPU menggunakan DFlash dapat mencapai generasi token hampir 4x lebih cepat dibandingkan metode autoregresif standar Speculative Decoding on CPUs: Nearly 4x Faster Token Generation with DFlash. Dalam pengujian vLLM dengan model Qwen, teknik ini memberikan throughput 3,92x tanpa mengubah distribusi output model, secara efektif mengubah siklus CPU yang tidak terpakai menjadi daya inferensi yang produktif. Di sisi sensitivitas latensi, para peneliti telah mengembangkan runtime LLM yang mampu menangani batas waktu fisik, seperti siklus kontrol robot 33ms. Sistem ini menolak penerimaan alih-alih mengambil risiko terlewatnya batas waktu, menggunakan strategi evict cache KV berdasarkan makna daripada usia untuk memastikan kinerja real-time yang dapat diprediksi Can an LLM Forget the Right Things?.

Arsitektur RAG Perusahaan

Kesenjangan antara implementasi tingkat tutorial dan sistem siap produksi terus melebar. Para ahli mengidentifikasi sepuluh posisi umum di mana sistem Retrieval-Augmented Generation (RAG) perusahaan gagal dibandingkan dengan tutorial arus utama 10 Positions for Enterprise RAG That Mainstream Tutorials Get Wrong. Kegagalan ini sering kali berasal dari mengabaikan nuansa kecerdasan dokumen, yang menyebabkan penurunan akurasi yang signifikan saat diskalakan ke data perusahaan yang tidak terstruktur. Penyebaran perusahaan yang sukses memerlukan langkah melampaui pencarian kesamaan vektor sederhana untuk menggabungkan struktur dokumen hierarkis dan penyaringan semantik. Pergeseran ini diperlukan untuk menangani kompleksitas basis pengetahuan internal di mana batas jendela konteks dan noise pengambilan informasi berdampak serius pada tingkat keberhasilan tugas hilir.

Perkembangan Industri dan Implikasi Pendidikan

OpenAI telah mengintegrasikan GPT‑5.6 ke dalam IDE Kiro, bertujuan untuk meningkatkan efisiensi pengembang melalui kemampuan perencanaan dan pengujian yang lebih baik Advancing price-performance for developers with GPT‑5.6 in Kiro. Rilis ini menyoroti fokus industri pada optimasi harga-kinerja untuk alur kerja teknik perangkat lunak. Sementara itu, lembaga pendidikan sedang berjuang dengan integrasi AI generatif. MIT Technology Review meneliti strategi untuk mendorong penggunaan AI yang lebih cerdas di kelas, mencatat bahwa siswa sering mengandalkan chatbot secara dangkal daripada secara kritis How to encourage smarter AI use in the classroom. Secara bersamaan, penelitian menunjukkan bahwa anak-anak masih mengungguli AI dalam efisiensi akuisisi bahasa, sebuah fenomena yang dikaitkan dengan faktor interaksi sosial dan pembelajaran embodied yang tidak dapat direplikasi oleh model saat ini Kids outlearn AI—and we still don’t know why. Seiring perluasan agen AI ke domain baru seperti logistik perjalanan luar angkasa, perbedaan antara intuisi manusia dan pemrosesan algoritmik menjadi semakin relevan baik untuk pendidikan maupun aplikasi industri The Download: kids outlearning AI, and space travel agents.