wymienił 6 najważniejszych zmian z największego wydarzenia badawczego AI w tym roku, NeurIPS 2025. mówi nam to wiele o tym, dokąd zmierza AI w 2026 roku: 1. mechanizm uwagi otrzymuje całkiem dużą aktualizację. staje się bardziej selektywny, wykorzystując techniki takie jak bramkowanie, rzadkość i lepsze zarządzanie długim kontekstem. za może 6 miesięcy zobaczysz modele, które będą tańsze, mądrzejsze i bardziej wydajne. 2. modele graniczne się zbliżają. już to trochę wiedzieliśmy, ale znowu, najlepsze modele brzmią coraz bardziej podobnie. twój wybór modelu granicznego ma mniejsze znaczenie niż wcześniej, ale także wszelkie uprzedzenia lub ślepe punkty są wzmacniane wszędzie jednocześnie. 3. RL w końcu skaluje się dla robotyki. przez lata to się zatrzymywało. podejście „po prostu kontynuuj skalowanie”, które działało dla LLM, teraz działa dla agentów. 2026 będzie rokiem dużych postępów w systemach agentowych. 4. modele dyfuzji nie tylko zapamiętują dane treningowe. główny artykuł teoretyczny pokazał, że trening dyfuzyjny ma w rzeczywistości dwie fazy: wczesną fazę, w której modele uczą się generować wysokiej jakości próbki, oraz późniejszą fazę, w której zaczynają zapamiętywać konkretne rzeczy. więcej danych treningowych przesuwa fazę zapamiętywania i daje ci większe okno przed przeuczeniem. 5. system publikacji akademickich jest ZEPSUTY (serio). z 20000 zgłoszeń NeurIPS tonie w artykułach. eksperymentują nawet z AI, aby recenzować artykuły generowane przez AI. to oznacza, że nie możesz już naprawdę ufać prestiżowi konferencji i publikacji. musisz polegać na tym, kto napisał artykuł i ich tle. 6. duże laboratoria stawiają wszystko na rozumowanie, wydajność i integrację. wyścig graniczny nie dotyczy już tylko rozmiaru modelu. duże laboratoria pracują teraz nad: (1) rozumowaniem jako mierzalnym wskaźnikiem, myśleniem krok po kroku, wywołaniami narzędzi, użyciem wyszukiwania (2) wydajnością, uruchamianiem silnych modeli na telefonach i urządzeniach brzegowych z niskim opóźnieniem (3) integracją przepływu pracy, podłączaniem modeli do narzędzi i protokołów takich jak MCP. naprawdę sugeruję, abyś obejrzał to 10-minutowe podsumowanie, jeśli badania AI cię interesują.