14.11.2025 AI Express | Größter AI-Hackathon aller Zeiten gestartet, mehrere neue Technologien enthüllt

Dies ist wahrscheinlich der größte und einflussreichste KI-Hackathon, den es bisher gab. Der Hackathon wird von Anthropic und Gradio mitorganisiert und von 10 Sponsoren unterstützt.

An der Veranstaltung nahmen über6,300Teilnehmer, die zwei Wochen lang, vom 14. bis 30. November, teilnehmen können. Alle Teilnehmer können sich online anmelden und an dem technischen Spektakel teilnehmen, egal wo sie sich befinden.

Der Wettbewerb bietet nicht nur$20.000 in GeldpreisenAußerdem gibt es mehr alsSponsorenkredit für $3.5M. Die Teilnehmer haben die Möglichkeit, ihre innovativen Projekte zu präsentieren und sich mit führenden Experten der Branche auszutauschen.

• Dauer der Veranstaltung: 14. bis 30. November
• Anzahl der Teilnehmer: über 6.300
• Preis: $20.000 in bar + $3,5M + Sponsorenkredit
• Teilnahme: Offen online

Die Organisatoren veranstalten heute um 10 Uhr (PST) eine Eröffnungsveranstaltung, bei der eine Reihe von Gästen von Hugging Face, OpenAI, Google DeepMind, Modal, Blaxel AI, SambaNova AI und Nebius TF ihre Erkenntnisse und Erfahrungen teilen werden. Es handelt sich nicht nur um einen Wettbewerb, sondern auch um eine großartige Gelegenheit zum Lernen und Netzwerken.

Interessierte können den Live-Stream über den unten stehenden Link verfolgen:https://t.co/Mu3KwZuTTP.

Google hat gerade Deep Research eingeführt, eine neue Funktion in NotebookLM.

Diese Funktion ist in der Lage, Hunderte von Websites zu durchsuchen und gut organisierte Berichte auf der Grundlage von Benutzerabfragen zu erstellen. Sie bietet auch eine kommentierte Liste von Quellen für eine eingehendere Recherche. Die Nutzer können diese Informationen direkt zu ihren Notizbüchern hinzufügen.

Intensive ForschungEine Vielzahl neuer Dateitypen wird unterstützt, darunter Google Sheets, Microsoft Word-Dokumente, PDFs und Bilder, die über Google Drive-URLs zugänglich sind. Diese Funktion vereinfacht nicht nur den Rechercheprozess, sondern macht auch die Verwaltung und den Austausch von Informationen effizienter.

Für Fachleute, die mit großen Daten- und Informationsmengen umgehen müssenNotebookLMDeep Research ist zweifellos ein leistungsstarkes Werkzeug. Ob für die akademische Forschung oder die Unternehmensanalyse, es hilft den Nutzern, schnell auf relevante Informationen zuzugreifen und diese zu organisieren und so die Arbeitseffizienz zu steigern.

Die Claude-API hat kürzlich eine strukturierte Ausgabefunktionalität eingeführt, was eine wichtige technische Aktualisierung darstellt.

Entwickler können jetzt sicherstellen, dass die Antworten von Claude immer dem angegebenen JSON-Schema oder der Definition des benutzerdefinierten Tools entsprechen, wodurch Wiederholungsversuche und Parsing-Fehler vermieden werden. Diese Funktion eignet sich besonders für Anwendungsszenarien, die ein hohes Maß an Konsistenz und Genauigkeit erfordern, wie z. B. Finanzanalysen, Datenverarbeitung im Gesundheitswesen und Integration großer Unternehmenssysteme.

Zu den wichtigsten Stärken gehören:

• Verbesserte Konsistenz und Genauigkeit der Datenverarbeitung
• Geringere Entwicklungs- und Wartungskosten
• Vereinfachung der Verarbeitung komplexer Datenströme

Darüber hinaus bietet dieses Update Entwicklern mehr Flexibilität und Kontrolle, so dass sie API-Antworten besser verwalten und optimieren können.

Das Claude-Team sagt, dass diese Funktion die Benutzerfreundlichkeit erheblich verbessern und eine robuste Unterstützung für eine größere Anzahl von Branchen bieten wird.

NotebookLM unterstützt jetzt eine Bildeingabefunktion, die es den Benutzern ermöglicht, Bilder von Notizen, Lehrbuchseiten oder Diagrammen aufzunehmen und sie in Zusammenfassungen, Erkenntnisse und Antworten umzuwandeln. Die Einführung dieser Funktion markiert die weitere Integration der Bildverarbeitungstechnologie in den Bereich der natürlichen Sprachverarbeitung.

Ob es sich um ein Foto von handschriftlichen Notizen, einen Screenshot aus einem Lehrbuch oder ein Diagramm auf einer Webseite handelt, dieNotebookLMBeide können daraus Schlüsselinformationen extrahieren und eine entsprechende Textausgabe erzeugen. Diese Technologie verbessert nicht nur die Effizienz des Lernens, sondern bietet auch großen Komfort für Forscher und Studenten.

• Unterstützt mehrere Bildquellen: einschließlich handschriftlicher Notizen, Screenshots aus Lehrbüchern, Webdiagrammen usw.
• Automatisches Extrahieren von Schlüsselinformationen und Erstellen von Zusammenfassungen
• Einblicke und detaillierte Antworten geben

Durch die Kombination von Computer Vision und natürlichen Sprachverarbeitungstechnologien ist NotebookLM in der Lage, Bildinhalte genauer zu verstehen und zu analysieren und so den Benutzern reichhaltigere und umfassendere Informationen zu liefern.

Diese innovative Funktion wird die Lernerfahrung des Nutzers erheblich verbessern und den Wissenserwerb bequemer und effizienter machen.

Kürzlich kündigte ChatGPT die Einführung einer Gruppen-Chat-Funktion an, mit der Benutzer nun mit anderen und ChatGPT in der gleichen Unterhaltung zusammenarbeiten können. Diese neue Funktion wird derzeit in Japan, Neuseeland, Südkorea und Taiwan erprobt.

Mit dieser innovativen Funktion können Benutzer nicht nur mit Freunden, Familie oder Kollegen in Echtzeit kommunizieren, sondern auch die leistungsstarken Sprachverarbeitungsfunktionen von ChatGPT direkt im Chat-Fenster nutzen. Ob bei der Diskussion von Projekten, dem Austausch von Ideen oder der Suche nach Ratschlägen, diese Interaktion mit mehreren Teilnehmern wird die Kommunikationseffizienz und das Benutzererlebnis erheblich verbessern.

Die wichtigsten Merkmale sind:

• Unterstützung der Online-Kommunikation mit mehreren Nutzern zur gleichen Zeit
• Integration des intelligenten Assistenten ChatGPT für sofortiges Feedback und Informationshilfe
• Geeignet für eine Vielzahl von Szenarien, wie z. B. Teambesprechungen, Familienfeiern usw.

Dieses Update stellt einen weiteren wichtigen Durchbruch im Interaktionsmodell von ChatGPT dar und bietet den Nutzern eine reichhaltigere und flexiblere Erfahrung.

Auf der Konferenz AI Dev 25 x NYC ging der renommierte KI-Experte Andrew Ng auf die Gründe ein, warum die KI immer schneller wird.Er wies darauf hin, dass mit der deutlichen Erhöhung der CodiergeschwindigkeitDas Entwicklungsteam ist in der Lage, Prototypen schneller als je zuvor zu erstellen. Diese schnelle Iteration macht technologische Innovation und Produktoptimierung effizienter.

Ng betonte jedoch, dassDer wirkliche Engpass ist derzeit das Sammeln von Nutzerfeedback. Obwohl die technologischen Fortschritte den Entwicklungsprozess erheblich beschleunigt haben, ist es nach wie vor eine Herausforderung, die tatsächlichen Bedürfnisse der Nutzer zeitnah zu erfassen und zu verstehen.

Ng ermutigte die Teilnehmer, sich aktiv zu vernetzen, zusammenzuarbeiten und gemeinsam an der Entwicklung künftiger KI-Anwendungen zu arbeiten. Er erwähnte, dass ein Gespräch mit Kirsty Tan auf der letzten AI Dev 25-Konferenz den Anstoß für das AI Aspire-Projekt gegeben habe. Solche Interaktionen und Kooperationen sind für die Weiterentwicklung der KI von entscheidender Bedeutung.

Insgesamt beleuchten Ngs Erkenntnisse die Kernfragen und Richtungen des aktuellen KI-Bereichs und bieten Entwicklern und Forschern wertvolle Anhaltspunkte.

Das Google AI Developer Team zeigt, wie man mit dem Code Execution Tool in der Gemini API Python-Code in der AI Studio-Umgebung ausführt, um komplexe mathematische Probleme zu lösen, effiziente Datenanalysen durchzuführen und codebasiertes Reasoning zu ermöglichen.

@nikitanamjoshi beschreibt, wie Benutzer mit diesem Tool ganz einfach Python-Code in AI Studio schreiben und ausführen können, um eine Vielzahl von Berechnungsaufgaben schnell zu bewältigen. Bei der Lösung mathematischer Probleme können die Nutzer beispielsweise die leistungsstarken Python-Bibliotheken (wie NumPy und SciPy) nutzen, um komplexe numerische und symbolische Berechnungen durchzuführen.

Zu den spezifischen Anwendungsszenarien gehören:

• Risikobewertung und quantitative Analyse im Finanzsektor
• Datenmodellierung und Simulation in der wissenschaftlichen Forschung
• Online-Programmierunterricht und -experimente für die Bildungsbranche

Darüber hinaus unterstützen die Code Execution Tools die Datenvisualisierung, damit die Benutzer Daten und Ergebnisse intuitiver verstehen können.

Mit diesen Funktionen sind Entwickler und Forscher in der Lage, ihre Arbeitsaufgaben effizienter zu erledigen und ihre Produktivität zu steigern.

Meta hat vor kurzem einen großen Durchbruch auf dem Gebiet der Retrieval Augmented Generation (RAG) erzielt und damit das größte Problem gelöst, das diese Technologie seit langem geplagt hat. Herkömmliche RAG-Systeme rufen in der Regel große Blöcke von Dokumenten ab, auch wenn der Benutzer nur einen kleinen Teil davon benötigt. Diese Praxis vergeudet nicht nur Rechenressourcen, sondern führt auch dazu, dass die Nutzer unnötige Gebühren zahlen.

Um dieses Problem zu lösen, führte Meta REFRAG ein, einen neuen Ansatz für RAG. REFRAG verbessert die Leistung des Systems durch Komprimierung und Filterung des Kontexts auf der Einbettungsebene erheblich:

• Die Zeit bis zum ersten Token verkürzt sich30,85 Mal
• Kontextfenster erweitert16 Mal
• Die Anzahl der verarbeiteten Token wird reduziert2-4 Mal
• Übertrifft das LLaMA-Modell in 16 RAG-Benchmarks

REFRAG funktioniert wie folgt:

1. Kodierung und Speicherung von Dokumenten in einer Vektordatenbank
2. Wenn eine Anfrage eintrifft, rufen Sie den entsprechenden Dokumentenblock auf die übliche Weise ab
3. Bewertung komprimierter Einbettungen und Auswahl des besten Dokumentenblocks mit Hilfe einer Strategie, die auf dem Gebiet des Verstärkungslernens trainiert wurde
4. Der ausgewählte Block von Dokumenten wird zu einer vollständigen Token-Einbettung erweitert
5. Nicht angekreuzte Dokumentblöcke bleiben komprimiert oder werden vollständig herausgefiltert.
6. Alle Inhalte werden zusammen an das Big Language Model zur Verarbeitung weitergeleitet.

Dieser Ansatz ermöglicht es REFRAG, mehr Kontext mit höherer Geschwindigkeit und ohne Genauigkeitsverlust zu verarbeiten. Dies ist wichtig für Anwendungsszenarien, die eine effiziente Verarbeitung umfangreicher Textdaten erfordern, wie z. B. Wissensmanagement auf Unternehmensebene und intelligenter Kundenservice.

Wir freuen uns sehr, die neueste Version der SophontAI-Ergebnisse vorstellen zu können - dieOpenMidnightDies ist unser erstes pathologiebasiertes Modell.

OpenMidnight war in der Lage, die gleichen Ergebnisse zu erzielen, nachdem nur 12.000 Vollbildaufnahmen verwendet wurden undInformatikmittel von 1,6 Tausend DollarIm Fall der Rechtssache erreichte es dieNeueste Leistungsstufen. Diese effiziente Trainingsmethode eröffnet neue Möglichkeiten für Forschung und Anwendungen im Bereich der Pathologie.

Pathologie-basierte Modelle spielen eine wichtige Rolle bei der medizinischen Bildanalyse und können Ärzten helfen, die Diagnosegenauigkeit und -effizienz zu verbessern. Der Erfolg von OpenMidnight zeigt nicht nur, dass es möglich ist, leistungsstarke Modelle zu geringen Kosten zu trainieren, sondern kann auch die Entwicklung ähnlicher Technologien vorantreiben, um das Intelligenzniveau im medizinischen Bereich weiter zu steigern.

Wir gehen davon aus, dass OpenMidnight in realen klinischen Anwendungen nützlich sein wird und die medizinische Forschung in Zukunft stark unterstützen wird.

Stefano Pasquali, Head of Financial Services bei DomynAI, sprach auf dem AI Dev 25 Summit in New York und betonte das Engagement von DomynAI für den Aufbau eines transparenten, überprüfbaren und autonomen KI-Ökosystems. Er erklärte.DomynAI glaubt an die Verbindung von Innovation und VerantwortungDies wird zu einer sichereren und zuverlässigeren Lösung für die Finanzbranche führen.

Derzeit wird die KI-Technologie zunehmend im Finanzsektor eingesetzt, vom Risikomanagement über intelligente Anlageberatung bis hin zur Betrugsbekämpfung, die alle ein hohes Maß an Vertrauen und Transparenz erfordern. domynAI erfüllt die strengen Anforderungen von Regulierungsbehörden und Kunden an den Datenschutz und die Sicherheit durch sein fortschrittliches technologisches Framework, das sicherstellt, dass KI-Systeme nicht nur effizient, sondern auch nachvollziehbar und in ihrem Betrieb kontrollierbar sind.

Darüber hinaus erwähnte Pasquali, dass DomynAI die weit verbreitete Einführung von KI-Technologien in Finanzdienstleistungen vorantreibt und darauf abzielt, das Nutzererlebnis durch technologische Innovationen zu verbessern und gleichzeitig die Zuverlässigkeit und Sicherheit des Systems zu gewährleisten.