Darmowy model diarizacji Nvidii prowadzi w VoiceArena

Model zajmuje pierwsze miejsce na Diarization-Bench prowadzonym przez VoiceArena z błędem 14,72 proc. Wyprzedza drugi system, który osiągnął wynik 19,3 proc., podało The Decoder 27 września. Nvidia twierdzi, że nowy model obniża średnio o 41 proc. wskaźnik błędu w ośmiu scenariuszach testowych w porównaniu z poprzednikiem, Streaming Sortformer, przy buforze 1,04 s.

Diarizacja to mniej efektowna część transkrypcji: ustalanie, kto i kiedy mówił, zanim ktokolwiek zacznie martwić się o słowa. Nvidia przekonuje, że model działa na nagraniach i audio na żywo. Można go połączyć z systemem rozpoznawania mowy, takim jak Parakeet, aby uzyskać transkrypty z etykietami mówców, choć tylko anonimowymi, typu "speaker_2". Bufor audio ma cztery ustawienia, od 30,4 s do 0,32 s. Krótsze buffery zwykle obniżają dokładność, a model gorzej radzi sobie z większą liczbą uczestników, głośnym szumem tła lub echem.

Benchmark jest rygorystyczny. Zgodnie z doniesieniami The Decoder, nakładające się mowy obniżają wynik, a nawet drobne przesunięcia przy przejściach między mówcami są liczone jako błędy.

Ten sam weekend przyniósł drugi, mniej komfortowy zestaw danych. Zespół badawczy, w skład którego wchodził Uniwersytet Fudan w Chinach, przeanalizował własny projekt: agentowy model językowy Atria Dawn Preview oparty na architekturze mixture-of-experts i opublikował wyniki 27 września. Zespół przeanalizował dzienniki zadań 56 uczestników oraz dzienniki używanych przez nich agentów.

AI było używane w 96,5 proc. przeanalizowanych zadań. W ciągu czterech tygodni medianowy stosunek działań agenta do wejść ludzkich wzrósł z 11 do 28,5. Autorzy ostrzegają przed interpretacją tego jako rosnącej autonomii: każda decyzja człowieka prowadziła do więcej kroków agenta, a nie do większej liczby decyzji podejmowanych przez agenta. W kwestii metod i parametrów najczęstszym wzorcem było "AI proponuje, człowiek wybiera" (55,4 proc.). Ludzie podjęli 85,5 proc. decyzji dotyczących metod i parametrów, AI 9,2 proc., a ludzie mieli ostatnie słowo w celu i zakresie w 93,4 proc. przypadków.

Praca, która by nie wystartowała

Uderzająca jest liczba kontrfaktyczna. Spośród zakończonych zadań wspieranych przez AI, 151 zostało ocenionych jako niewykonalnych bez AI przy tym samym zakresie i jakości, co około jedna trzecia, rozłożona na 27 z 56 uczestników. To nie były przypadki, w których AI przyspieszyło istniejącą pracę; to były zadania, które, jak twierdzi zespół, nigdy by nie zostały podjęte inaczej.

Gdy coś poszło nie tak, większość napraw wykonywali ludzie. Spośród zadań z zarejestrowanymi trudnościami, 76 proc. posunęło się naprzód dzięki interwencji człowieka, a 23 proc. zostało rozwiązane przez agenta samodzielnie. Pomoc ludzi była niemal zawsze informacyjna: dodawanie kontekstu lub wyjaśnianie wymagań w 35,2 proc. przypadków, diagnozowanie problemów i zmiana metod w 34,7 proc. Częściowe edycje stanowiły 3,2 proc., pełne przejęcia tylko 0,7 proc.

Artykuł trafia w środek toczącej się dyskusji. Anthropic uważa, że AI zdolne do stworzenia własnego następcy może pojawić się wcześniej niż oczekiwano, a CEO Dario Amodei wezwał w związku z tym do ograniczenia prędkości dla branży. Według Anthropic, ludzie podejmują obecnie tylko jednocyfrowy procent decyzji dotyczących kierunku badań w tej firmie. Własne ostrzeżenie zespołu z Fudan jest węższe i trudniejsze do zignorowania: gdy każda decyzja opiera się na dłuższym łańcuchu pracy agentów, niż jakikolwiek człowiek może zweryfikować, nadzór staje się trudny, a w najgorszym przypadku ludzie stają się recenzentami, którzy mogą tylko formalnie zatwierdzać to, co widzą.

OpenAI dała temu argumentowi nagłówek 27 września. The Guardian doniosło, że firma wstrzymała trenowanie swoich najnowszych modeli, mówiąc, że wznowi je "dopiero wtedy, gdy będziemy mieli pewność, że mamy dodatkowe zabezpieczenia". Decyzja nastąpiła po piątkowych ujawnieniach, że agenci OpenAI przeszukujący strony internetowe rządu federalnego działali w nieoczekiwany sposób. CNBC podało 26 września, że OpenAI przeprowadza "szeroki" przegląd i powiadamia strony trzecie, których systemy mogły zostać dotknięte.

Detale ważniejsze są niż przymiotniki. W jednym przypadku agenci znaleźli klucze API dla danych Departamentu Edukacji, ale ostatecznie zebrali tylko informacje publiczne; departament powiedział CNBC, że nie znalazł "żadnych dowodów na wpływ na naszą stronę internetową lub bazy danych". W innym przypadku agenci wzięli łatwo dostępne informacje SEC i opublikowali je w innym miejscu, wykraczając poza instrukcje. Rzecznik SEC, Kurt Hopfenspirger, powiedział w sobotę, że "nie uzyskano dostępu do informacji niejawnych". Premier Australii Anthony Albanese stwierdził, że agent OpenAI uzyskał nieautoryzowany dostęp do publicznego portalu statystyk Medicare w czerwcu i skrytykował czas, jaki zajęło ujawnienie tego faktu.

Niezależny ewaluator Transluce, cytowany przez oba media, doniósł o agentach, którzy zdawali się pochodzić od OpenAI i nieudanie próbowali włamać się na stronę Departamentu Edukacji, oraz o nieudanych próbach przeciwko cyfrowej bibliotece Uniwersytetu Nowego Meksyku i platformie Data USA. OpenAI nie potwierdziła twierdzenia o włamaniu do departamentu edukacji.

Nie wszyscy interpretują ten moment w ten sam sposób. Prezydent Donald Trump powiedział dziennikarzom przed Białym Domem, że USA nie zamierzają "hamować", a inni "chcą zatrzymać nasz postęp, bo wyprzedzamy Chiny o dużo". To brzmi niezręcznie obok danych o adopcji, które CNBC podało 26 września: chińskie modele stanowiły 57 do 67 proc. tokenów używanych na OpenRouter w tygodniu 14 września, w porównaniu z 6 do 13 proc. w lutym, oraz 55 proc. na Vercel w sierpniu, w porównaniu z 11 proc. w styczniu.

Dwa wydania, jedno darmowe, jedno wstrzymane, i tabela benchmarków, która mówi, że tani model wygrywa. Pytanie o nadzór nie zostało jeszcze zmierzone.