दुनिया में एआई - 4 जून 2026 की सबसे महत्वपूर्ण घटनाएँ

...

Merantix Capital ने शुरुआती चरण के यूरोपीय एआई स्टार्टअप्स के लिए €103M फंड लॉन्च किया - Tech.eu Merantix Capital ने शुरुआती चरण के यूरोपीय एआई स्टार्टअप्स के लिए €103M फंड लॉन्च किया Tech.eu यह क्यों महत्वपूर्ण है: बाजार, नियमों और एआई उपयोगकर्ताओं पर इस जानकारी के प्रभाव को देखना उपयोगी होगा। स्रोत: Google News AI Europe (4.06.2026) क्लाउड और एआई विकास अधिनियम (CADA) का प्रस्ताव Proposal for the Cloud and AI Development Act (CADA) dumimar Wed, 06/03/2026 - 11:02 आयोग ने यूरोपीय संघ के क्लाउड और एआई पारिस्थितिकी तंत्र, निवेश और बुनियादी ढांचे को मजबूत करने के उद्देश्य से क्लाउड और एआई विकास अधिनियम (CADA) का प्रस्ताव अपनाया है। © Worawee Meepian एआई फैक्ट्रियों और एआई गीगाफैक्ट्रियों की चल रही तैनाती का उद्देश्य यूरोपीय व्यवसायों और शोधकर्ताओं को उच्च क्षमता वाले, अगली पीढ़ी के कम्प्यूटेशनल संसाधनों तक व्यापक पहुंच प्रदान करना है जिन्हें एआई क्षमताओं की आवश्यकता है। इसके पूरक के लिए, ईयू को एआई की व्यापक तैनाती और प्रसार का समर्थन करने के लिए अपनी क्लाउड और डेटा केंद्र क्षमता का विस्तार करने की आवश्यकता है। CADA ऊर्जा-कुशल डेटा केंद्र क्षमता को मजबूत करेगा, जबकि यूरोप भर में आर्टिफिशियल इंटेलिजेंस और क्लाउड को अपनाने को बढ़ावा देने के लिए अप्लाई एआई रणनीति का पूरक होगा। यह तीन उद्देश्यों पर ध्यान केंद्रित करेगा: अनुसंधान, विकास और नवाचार : d यह क्यों महत्वपूर्ण है: बाजार, नियमों और एआई उपयोगकर्ताओं पर इस जानकारी के प्रभाव को देखना उपयोगी होगा। स्रोत: EU AI Act (3.06.2026) उत्तरी अमेरिका एंटरप्राइज एआई एजेंटों के लिए प्री-डिप्लॉयमेंट आश्वासन की दिशा में: ऑन्टोलॉजी-आधारित सिमुलेशन और ट्रस्ट सर्टिफिकेशन arXiv:2606.04037v1 Announce Type: new Abstract: Pre-deployment verification of enterprise artificial intelligence (AI) agents remains a critical gap between large language model (LLM) capability benchmarking and production deployment.

Post-deployment monitoring, human-in-the-loop controls, and prompt-level guardrails offer limited assurance once an agent is operating in production.

We propose an ontology-grounded verification framework combining three components: an Agent Operational Envelope formalizing the certification space across permissions, domain constraints, safety properties, governance rules, and autonomy levels; an ontology-to-scenario generation pipeline that derives regulatory, operational, and adversarial test scenarios automatically; and a Trust Certificate carrying a machine-verifiable attestation with graduated deployment verdicts (Approved, Conditional, Rejected).

A co यह महत्वपूर्ण क्यों है: बाजार, नियमों और एआई उपयोगकर्ताओं पर इस जानकारी के प्रभाव पर नज़र रखना उपयोगी है। स्रोत: arXiv AI (4.06.2026) क्या मैं एक और खुराक ले सकता हूँ?

ओटीसी डोजिंग क्यूए में अस्थायी अनिश्चितता के तहत एलएलएम निर्णय लेने का मूल्यांकन arXiv:2606.04262v1 घोषणा प्रकार: क्रॉस सार: बड़े भाषा मॉडल (LLMs) का उपयोग रोजमर्रा के स्वास्थ्य प्रश्नों के लिए तेजी से किया जा रहा है, जिसमें यह शामिल है कि क्या कोई उपयोगकर्ता ओवर-द-काउंटर (OTC) दवा की एक और खुराक सुरक्षित रूप से ले सकता है। फिर भी, यह सामान्य सुरक्षा-प्रासंगिक सेटिंग मौजूदा चिकित्सा क्यूए मूल्यांकन में कम खोजा गया है, जहाँ सही उत्तरों के लिए खुराक के समय को ट्रैक करने, रोलिंग 24 घंटे के सेवन की गणना करने, उत्पाद लेबल बाधाओं का पालन करने और अधूरी दवा इतिहास को संभालने की आवश्यकता होती है। हम DOSEBENCH प्रस्तुत करते हैं, जो वयस्क एसिटामिनोफेन और इबुप्रोफेन उपयोग पर केंद्रित 81 क्यूरेटेड OTC खुराक परिदृश्यों का एक केंद्रित बेंचमार्क है, जिसमें मैन्युअल रूप से एनोटेट किए गए गोल्ड संदर्भ हैं। हम निर्णय की शुद्धता, स्थिरता, स्पष्टीकरण सत्यापन क्षमता, विफलता प्रकारों और आत्मविश्वास-संबंधी संकेतों के लिए मेट्रिक्स का उपयोग करके बार-बार चलाने पर चार LLMs का मूल्यांकन करते हैं, जिसके परिणामस्वरूप 1,620 मॉडल प्रतिक्रियाएँ मिलती हैं। हमारे परिणाम दिखाते हैं कि मॉडल f यह क्यों महत्वपूर्ण है: बाजार, नियमों और एआई उपयोगकर्ताओं पर इस जानकारी के प्रभाव को देखना उपयोगी है। स्रोत: arXiv AI (4.06.2026) MedRedFlag: यह जांचना कि LLMs वास्तविक दुनिया के स्वास्थ्य संचार में गलत धारणाओं को कैसे पुनर्निर्देशित करते हैं arXiv:2601.09853v3 Announce Type: replace-cross Abstract: Real-world health questions from patients often unintentionally embed false assumptions or premises.

In such cases, safe medical communication typically involves redirection: addressing the implicit misconception and then responding to the underlying patient context, rather than the original question.

While large language models (LLMs) are increasingly being used by lay users for medical advice, they have not yet been tested for this crucial competency.