Meta Peneliti Tim yang adil Dan Universitas Ibrani Yerusalem Mereka menemukan bahwa memaksa model bahasa besar untuk “berpikir” kurang benar -benar meningkatkan kinerja mereka dalam tugas berpikir yang kompleks.

itu Tiket Hari ini saya menemukan bahwa proses berpikir yang lebih pendek dalam sistem kecerdasan buatan menghasilkan hasil yang lebih akurat sementara secara signifikan mengurangi perhitungan.

“Dalam pekerjaan ini, kami menantang asumsi bahwa rantai berpikir panjang mengarah pada kemampuan berpikir yang lebih baik,” tulis penulis dalam makalah mereka yang berjudul.Jangan memikirkannya. Rantai favorit pemikiran pendek untuk meningkatkan pemikiran di llm“

Penelitian ini kontras dengan tren yang berlaku dalam mengembangkan kecerdasan buatan, karena perusahaan telah berinvestasi secara luas dalam meningkatkan sumber daya komputasi untuk memungkinkan bahan melakukan pemikiran luas melalui panjang.Rantai berpikir-Tep langkah demi langkah jalur yang digunakan oleh sistem kecerdasan buatan untuk memecahkan masalah yang kompleks.

Resolusi kecerdasan buatan melonjak sebesar 34 % ketika model menggunakan rantai berpikir yang lebih pendek

Para peneliti menemukan bahwa dalam tugas berpikir yang sama, “Luxor Thinking Chains cenderung menghasilkan jawaban yang tepat – hingga 34,5 % lebih akurat daripada serangkaian sampel terpanjang dari mereka untuk pertanyaan yang sama.” Penemuan ini benar melalui beberapa model perintis dan standar Amnesty International.

“Sambil menunjukkan hasil yang mengesankan, (pemikiran luas) memiliki biaya matematika yang luar biasa dan waktu penalaran,” kata penulis, mencatat inefisiensi hebat dalam bagaimana sistem ini sedang diterbitkan.

Berdasarkan hasil ini, tim mengembangkan pendekatan baru yang disebut “Pendek m@k“Siapa yang melakukan beberapa upaya pemikiran secara paralel, tetapi menghentikan akun segera setelah beberapa operasi pertama selesai. Kemudian jawaban akhir dipilih melalui suara mayoritas antara rantai yang lebih pendek ini.

Metode baru ‘Short-M@K’ mengirimkan biaya komputasi sebesar 40 % dengan peningkatan kinerja

Untuk institusi yang menerbitkan sistem berpikir pria besar, efeknya bisa besar. Para peneliti menemukan bahwa metode mereka dapat mengurangi sumber daya aritmatika hingga 40 % sambil mempertahankan tingkat yang sama dengan metode standar.

“Pendek 3@K, meskipun sedikit kurang efisien daripada pendek 1@K, pemungutan suara mayoritas terus -menerus melebihi semua anggaran matematika, sementara itu sebagian besar masih lebih cepat (hingga 33 % dari waktu dinding),” kata kertas itu.

Michael Hasid, penulis utama makalah ini, dan timnya menemukan bahwa melatih model kecerdasan buatan pada contoh -contoh pemikiran yang lebih pendek meningkatkan kinerjanya – tantangan asumsi dasar lainnya dalam mengembangkan kecerdasan buatan.

Para peneliti menulis: “Pelatihan Luxor mengarah pada kinerja yang lebih baik,” tulis para peneliti. “Sebaliknya, tiroiditis pada S1 meningkatkan waktu berpikir dengan kurangnya keuntungan yang signifikan dalam kinerja.”

Raksasa teknologi dapat menghemat jutaan orang dengan menerapkan pendekatan “jangan pikirkan tentang itu”

Hasilnya datang dalam waktu yang penting bagi industri kecerdasan buatan, karena perusahaan berlomba untuk menyebarkan model kuat yang mengkonsumsi sumber daya matematika yang sangat besar.

“Hasil yang telah kami capai merujuk untuk memikirkan kembali metode menghitung waktu tes dalam memikirkan LLM, sambil menekankan bahwa semakin lama” pemikiran “tidak selalu diterjemahkan menjadi peningkatan kinerja dan dapat, secara tidak tepat, mengarah pada hasil yang memburuk.

Penelitian ini bertentangan dengan kebalikan dari metode terkemuka lainnya. Studi berpengaruh sebelumnya, termasuk karya Openai tentang “Thought Series” dan “Konsistensi diri“Metode, umumnya menyerukan pemikiran yang paling komprehensif. Itu juga tergantung pada pekerjaan terakhir seperti Princeton dan Google Deebind.”Ide“Frame dan Carnegie Mellon”Self -ReverseMetodologi, yang mengeksplorasi berbagai pendekatan terhadap logika kecerdasan buatan.

Untuk pembuat keputusan teknis yang mengevaluasi investasi kecerdasan buatan, penelitian ini menunjukkan bahwa perhitungan terbesar dan lebih banyak tidak selalu lebih baik. Studi ini menunjukkan kemungkinan penghematan biaya dan meningkatkan kinerja dengan meningkatkan efisiensi daripada kekuatan komputasi mentah.

Dalam industri yang diperluas, ternyata mengajar kecerdasan buatan lebih singkat tidak hanya untuk memberikan kekuatan komputasi – itu membuat mesin lebih cerdas. Terkadang, bahkan kecerdasan buatan mendapat manfaat dari kebijaksanaan kuno: jangan memikirkannya.

Dallas Winzunai Carrington, wasit, berbicara menentangnya, untuk mengundang keamanannya di sebuah posting media sosial pada hari Jumat.

Selama pertengkaran panas dengan para pejabat saat kehilangan sayap melawan Chicago Sky pada hari Kamis, penjaga keamanan mendekat ketika Carrington menjadi semakin jelas.

Seorang penjaga keamanan bahkan antara Carrington dan seorang pejabat. Pejabat yang bertanggung jawab atas Carrington mundur sambil menarik penjaga keamanan dari kemejanya di depan Carrington untuk melindungi.

Klik di sini untuk lebih banyak liputan olahraga di foxnews.com

Carrington menanggapi kecelakaan itu pada publikasi hari Jumat, menunjukkan bahwa panggilan keamanan “microggressed”.

“Keamanan … ketika saya benar -benar menghadapi percakapan sipil, itu gila. Berbahagialah kamu,” keamanan “di sana …” tulis Carrington pada klip kecelakaan dengan “hashtg”, memiliki kesalahan ejaan.

Fox News Digital telah tiba di WNBA dan langit untuk memberikan komentar.

Tampaknya Digonai Carrington, sesama Kitlene Clark berkunjung

Dallas Wanjz Sherrill Sobs juga berbicara menentang wasit yang menyerukan keamanan di sebuah pos di X.

“Jika pria ini takut (apa, saya tidak tahu) dan saya membutuhkan keselamatan, maka dia seharusnya tidak bisa merujuk lagi! Ini tidak bisa nyata!” Buku Swoopes.

Carrington menjadi tokoh kontroversial di WNBA musim lalu.

Sebagai anggota Connecticut Sun pada tahun 2024, Carrington memberi Indiana, Ketlin Clark, mata hitam setelah memeluknya selama pertandingan di babak pertama kualifikasi pada bulan September. Carrington tertawa Dengan rekannya Marina Mapri setelah kecelakaan itu.

Kiper Connecticut Sen Digonai Carrington (21) Indiana Caitlin Clark (22) di paruh kedua pertandingan basket WNBA di Indianapolis 28 Agustus 2024. (Foto AP/Michael Conroy)

Carrington mengatakan dia tidak sengaja mendapatkan Clark dan bahwa dia tidak menertawakan kecelakaan itu. Namun, tampaknya menjelaskan kontroversi tentang Black Clark dalam video Instagram langsung pada bulan Oktober.

Dalam video itu, Carrington dan temannya, Nallisa Smith, yang bermain dengan demam Indiana bersama Clark, ada di dapur mereka ketika Smith Carrington membanjiri mata.

Klik di sini untuk mendapatkan aplikasi Fox News

“Atau, kamu mendorongku ke mata,” kata Carrington. Smith meminta maaf, dan keduanya tertawa.

“Apakah Anda sengaja melakukannya?” Carrington bertanya.

Selama musim liga “tak tertandingi” pada bulan Januari, Carrington mengenakan kemeja yang katanya, “F-Donald Trump” sambil berjalan di Wayfair Arena di Miami, Florida.

Setelah itu, selama konferensi pers demi satu bulan itu, Carrington mengumumkan bahwa sudah waktunya bagi para pemain di WNBA untuk “mengambil tindakan” sebagai tanggapan atas kebijakan Presiden Donald Trump.

Digonai Carrington berinteraksi dari Dallas Wings tanpa koneksi selama babak kedua melawan Chicago Sky 29 Mei 2025, di Wintest Arena, Chicago. (Ikon Melissa Tamiz/Olahraga via Getty Images)

“Kami melihat bahwa beberapa kebijakan sudah mulai berlaku, dan tentu saja, ini berarti seperti WNBA dan keberadaan banyak gerakan ini. Sudah waktunya bagi kami untuk mengambil tindakan,” kata Carrington.

“Ini harus dilakukan sebagai wanita, dan hak -hak perempuan diambil. Seperti, sekarang, hak LGBTQ sekarang diambil. Belum, tetapi tentu saja dalam bisnis.”

Digital Fox News Cakupan Olahraga di XDan berlangganan Newsletter Fox News Sport Hold.

Saat Marc Beniof, CEO Salesforce Baru-baru ini Perusahaan tidak akan mempekerjakan insinyur lain pada tahun 2025, mencatat bahwa “30 % produktivitas meningkat pada teknik” karena kecerdasan buatan, dikirim riak melalui industri teknologi. Berita utama dengan cepat membingkai sebagai awal dari akhir insinyur manusia – kecerdasan buatan datang ke fungsinya.

Tapi tajuk utama itu benar -benar melewatkan sasaran. Apa yang sebenarnya terjadi adalah transformasi rekayasa itu sendiri. Gartner Name Agentic AI Sebagai arah teknis terbaik tahun ini. Perusahaan juga memprediksi 33 % dari aplikasi program kelembagaan akan mencakup agensi AI pada tahun 2028 – sebagian besar, tetapi jauh dari adopsi global. Jadwal peregangan menunjukkan pengembangan bertahap alih -alih alternatif grosir. Bahaya sebenarnya bukanlah fungsi kecerdasan buatan; Para insinyur yang gagal beradaptasi dan meninggalkan pengembangan sifat pekerjaan teknik.

Realitas, melalui industri teknologi, mengungkapkan ledakan kepada insinyur yang menuntut yang memiliki pengalaman dalam kecerdasan buatan. Perusahaan layanan kejuruan merekrut insinyur yang memiliki pengalaman di bidang gym, dan perusahaan teknologi fokus pada posisi rekayasa yang sama sekali baru yang fokus pada penerapan kecerdasan buatan. Pasar profesional yang dapat membuat efektif dari alat kecerdasan buatan sangat kompetitif.

Sementara klaim produktivitas kecerdasan buatan mungkin didasarkan pada kemajuan nyata, iklan ini sering mencerminkan tekanan investor untuk profitabilitas sebanyak kemajuan teknologi. Banyak perusahaan yang brilian dalam membentuk akun untuk menempatkan diri mereka sebagai pemimpin di AI- strategi yang kompatibel dengan harapan pasar yang lebih luas.

Bagaimana Kecerdasan Buatan Mengubah Pekerjaan Rekayasa

Hubungan antara kecerdasan buatan dan rekayasa berkembang dalam empat cara utama, yang masing -masing mewakili kemampuan khas yang meningkatkan bakat rekayasa manusia, tetapi tentu saja tidak menggantikannya.

Kecerdasan buatan unggul dalam ringkasan, yang membantu insinyur melaporkan kode besar, dokumentasi, dan spesifikasi teknis dalam penglihatan yang dapat diimplementasikan. Alih -alih menghabiskan jam kerja untuk dokumen, insinyur dapat memperoleh ringkasan yang dibuat dari kecerdasan buatan dan fokus pada implementasi.

Juga, kemampuan kecerdasan buatan menyimpulkan analisis pola dalam kode dan sistem dan secara proaktif menunjukkan peningkatan. Ini memungkinkan para insinyur untuk mendefinisikan kesalahan potensial dan membuat keputusan yang kuat lebih cepat dan dengan lebih percaya diri.

Ketiga, kecerdasan buatan telah membuktikan bahwa ia secara signifikan cerdas dalam mengkonversi instruksi perangkat lunak antar bahasa. Ini sangat berharga, karena lembaga memperbarui cerobong teknis mereka dan mencoba mempertahankan pengetahuan kelembagaan yang termasuk dalam sistem lama.

Akhirnya, gen AI yang sebenarnya ada dalam kemampuan ekspansi – membuat konten baru seperti instruksi perangkat lunak, dokumen, atau bahkan struktur sistem. Insinyur menggunakan kecerdasan buatan untuk mengeksplorasi lebih banyak kemampuan daripada yang mereka bisa sendiri, dan kami melihat kemampuan ini untuk mengubah rekayasa melalui industri.

Dalam perawatan kesehatan, kecerdasan buatan membantu menciptakan sistem instruksi medis khusus yang bergantung pada pasien yang ditentukan untuk pasien dan riwayat medis. Dalam manufaktur farmasi, sistem AI yang ditingkatkan meningkatkan jadwal produksi untuk mengurangi limbah dan memastikan penghematan obat kritis yang cukup. Bank -bank utama di Gen AI telah berinvestasi untuk periode yang lebih lama daripada yang juga disadari kebanyakan orang; Mereka membangun sistem yang membantu mengelola persyaratan kepatuhan yang kompleks sambil meningkatkan layanan pelanggan.

Adegan keterampilan rekayasa baru

Karena Amnesty International memulai kembali pekerjaan teknik, itu menciptakan spesialisasi dan kelompok baru yang diminati, seperti kemampuan untuk berkomunikasi secara efektif dengan sistem kecerdasan buatan. Insinyur yang unggul dalam bekerja dengan kecerdasan buatan dapat mengekstraksi hasil yang jauh lebih baik.

Seperti bagaimana DevOps muncul sebagai disiplin, model LLMOPS memproses fokus pada penyebaran, pemantauan dan peningkatan LLM di lingkungan produksi. LLMOPS Drift Practitioners mengikuti model, mengevaluasi model alternatif dan membantu memastikan kualitas tetap dari output yang dibuat dari kecerdasan buatan.

Buat lingkungan yang seragam di mana alat kecerdasan buatan dapat disebarkan dengan aman dan menentukan. Platform Engineering menyediakan cetakan dan derajat yang memungkinkan para insinyur untuk membangun aplikasi AI-More yang lebih baik. Ukuran ini membantu memastikan konsistensi, keamanan, dan pemeliharaan melalui aplikasi kecerdasan buatan lembaga.

Kerjasama antara manusia-AA dari rentang kecerdasan buatan hanya untuk membuat rekomendasi yang dapat diabaikan manusia, untuk sistem independen yang sepenuhnya independen. Insinyur yang paling efektif memahami kapan dan bagaimana menerapkan tingkat yang tepat dari edan diri pria berdasarkan konteks dan hasil misi yang disajikan.

Kunci integrasi kecerdasan buatan yang sukses

Kerangka tata kelola yang efektif dari kecerdasan buatan – yang menempati peringkat kedua dalam daftar arah atas di Gartner – menciptakan pedoman yang jelas sambil meninggalkan bidang inovasi. Kerangka kerja ini berurusan dengan pertimbangan moral, kepatuhan organisasi dan manajemen risiko tanpa mencekik kreativitas yang membuat kecerdasan buatan berharga.

Alih -alih berurusan dengan keamanan sebagai ide nanti, organisasi yang sukses membangunnya dalam sistem kecerdasan buatan sejak awal. Ini termasuk tes kelemahan yang kuat seperti halusinasi, injeksi cepat dan kebocoran data. Dengan mengintegrasikan pertimbangan keamanan dalam proses pengembangan, institusi dapat bergerak cepat tanpa prasangka untuk keselamatan.

Insinyur yang dapat merancang AI agenic AI menciptakan nilai yang bagus. Kami melihat sistem di mana model Amnesty International berurusan dengan pemahaman tentang bahasa alami, yang lain yang mengarah pada pemikiran, dan menghasilkan respons ketiga yang sesuai, yang semuanya bekerja dalam konser untuk memberikan hasil yang lebih baik daripada yang dapat diberikan oleh model mana pun.

Sementara kami cenderung mengembangkan hubungan antara insinyur dan sistem kecerdasan buatan dari alat dan pengguna ke sesuatu yang lebih mahkota. Sistem kecerdasan buatan saat ini kuat tetapi terbatas; Mereka tidak memiliki pemahaman yang nyata dan bergantung pada bimbingan manusia. Sistem masa depan mungkin menjadi kolaborator nyata, mengusulkan solusi baru yang melampaui apa yang dipikirkan oleh para insinyur dan menentukan risiko potensial yang mungkin diabaikan manusia.

Namun, peran utama insinyur – memahami persyaratan, mengeluarkan keputusan etis dan menerjemahkan kebutuhan manusia ke dalam solusi teknologi – akan terus diberi kompensasi. Dalam kemitraan antara kreativitas manusia dan AI ini, itu terletak pada kemungkinan memecahkan masalah yang belum dapat kita atasi sebelumnya – ini hanya alternatif.

Rizwan Patel adalah kepala informasi dan keamanan teknologi yang muncul altimet.