Eedi setzt ein von Microsoft Research entwickeltes KI-Modell ein, das auf Basis von zehn diagnostischen Multiple-Choice-Fragen die naechste passende Frage auswaehlt und Wissensluecken in Mathematik eingrenzt. Auf dieser Grundlage werden Schuelerinnen und Schueler individuellen Lernpfaden zugeordnet; Eedi verweist zudem auf interne Daten, nach denen 95 % der Fehlvorstellungen aufgeloest werden.
Microsoft hat mit FarmVibes.AI ein Open-Source-Toolkit aus Project FarmVibes veroeffentlicht, das Agrardaten aus Sensoren, Drohnen und Satelliten zusammenfuehrt. Die Algorithmen sollen Forschern, Data Scientists und Partnern helfen, Anwendungen fuer Praezisions- und nachhaltige Landwirtschaft zu entwickeln.
QIMMA bewertet arabische Benchmarks vor der Modellevaluation und soll so sicherstellen, dass gemeldete Ergebnisse tatsaechlich arabische Sprachfaehigkeit abbilden. Die Plattform fuehrt 109 Teilmengen aus 14 Benchmarks zusammen, prueft jedes Sample in einer mehrstufigen Pipeline und veroeffentlicht darauf basierende Modellranglisten.
DeepSeek-V4 wurde fuer lange agentische Ablaufe entwickelt, bei denen heutige offene Frontier-Modelle an Kontextkosten, KV-Cache und Tool-Aufrufen scheitern. Der Beitrag beschreibt eine Architektur mit komprimierter Attention, agentenspezifisches Post-Training sowie Benchmark- und Modellangaben.
Google arbeitet mit Georgia Tech und dem Wild Dolphin Project an DolphinGemma, einem KI-Grundlagenmodell zur Analyse der Struktur von Delfinvokalisationen und zur Erzeugung neuer delfinähnlicher Lautfolgen. Das Modell soll Forschenden helfen, Muster in natürlichen Lautsequenzen zu erkennen und wird zudem mit dem Unterwasser-System CHAT für mögliche Zwei-Wege-Interaktion erprobt.
