● AI Research

Google DeepMind: From AGI to ASI — แผนงาน 57 หน้าเส้นทางสู่ Superintelligence

Sakana AI เปิด Lab วิจัย Recursive Self-Improvement ท้าทายสงคราม Compute

Google's LiT: การผูกภาษากับโมเดลภาพเพื่อวิเคราะห์รูปภาพเหนือ OpenAI

Experience Compression Spectrum: กรอบความคิดใหม่ที่รวม Memory, Skills และ Rules ใน LLM Agents

CAP-CoT: Cycle Adversarial Prompt สำหรับปรับปรุง Chain-of-Thought Reasoning

Prompt Chaining เหนือกว่า ICL ในงานจัดหมวดหมู่ข้อความวิทยาศาสตร์

RecursiveMAS: ระบบ Multi-Agent แบบ Recursive — เพิ่ม accuracy 8.3%, ลด token 34.6-75.6%, เร็วขึ้น 1.2-2.4x

Tessl Skills Evaluation Framework: ประเมินผล Agent Skills ใน Coding Tasks

CLAUDE.md จาก Karpathy Skills: 4 หลักการเขียน Prompt สำหรับ Claude Code

OxyGent: เฟรมเวิร์กที่ทำให้ระบบ Multi-Agent เป็นโมดูล สังเกตได้ และพัฒนาต่อได้

Prompt Engineering is Dead, But Claude Still Tries

งานวิจัยเปิดโปง: การเขียน Prompt น้อยเกินไปบางครั้งก็ช่วยให้ AI เขียนโค้ดถูกต้องขึ้น

ปฏิวัติการบีบอัดโมเดล AI ด้วย Google TurboQuant: นวัตกรรมลดการใช้หน่วยความจำ 6 เท่าโดยไม่สูญเสียคุณภาพ

ชำแหละสารสมณะใหม่ Magnifica Humanitas ของพระสันตะปาปาลีโอที่ 14 กับการจัดระเบียบและ 'ปลดอาวุธ' ปัญญาประดิษฐ์ในเวทีโลก

Anthropic Natural Language Autoencoders: อ่านใจ AI ได้จริงๆ แล้ว

เมื่อ AI โต้แย้ง Conjecture อายุ 80 ปีของ Erdős ได้สำเร็จ — ทำไมนี่คือ Moment สำคัญของวงการคณิตศาสตร์

เปิดความคิดลับของ Claude: เมื่อ Anthropic ถอดรหัสสมอง AI อ่านออกเป็นภาษาอังกฤษได้เป็นครั้งแรก

AlphaEvolve: เมื่อ AI ไม่แค่เขียนโค้ด แต่คิด Algorithms ใหม่ได้เอง

ARC-AGI-3 เผยความจริง: โมเดล AI ที่เก่งที่สุดในโลกยังทำคะแนนไม่ถึง 1%

Claude เคยพยายามแบล็กเมลวิศวกร 96% ของครั้ง — Anthropic แก้ปัญหานี้ด้วยการสอน "ทำไม" แทนที่จะสอน "ทำอะไร"

AI ไม่ได้อ่านทุกอย่างพร้อมกัน! เปิดเทคนิค "Progressive Disclosure" ที่ทำให้ AI ฉลาดขึ้นโดยไม่เปลืองพลัง

Prompt Engineering ยังไม่ใช่ "Engineering" จริง? วิเคราะห์ข้อเท็จจริงที่หลายคนมองข้าม