Open-Source von ml-intern: Hugging Faces autonomer Forschungsagent für maschinelles Lernen, die Papers liest, Daten kuratiert, trainiert, Ergebnisse bewertet und sich über Wissenschaft, Medizin und Mathematik hinweg iterativ verbessert. Zusammenfassung: Hugging Faces ml-intern ist ein Open-Source, autonomer Forschungsagent für maschinelles Lernen, der Papers liest, Datensets kuratiert, auf lokalen oder Cloud-GPUs trainiert, Ergebnisse auswertet und Verbesserungen iteriert. Basierend auf smolagents mit CLI- und Web-Interfaces navigiert er durch arXiv/HF Papers, HF Hub und HF Jobs. Die Demos erstrecken sich über Wissenschaft, Medizin und Mathematik und zeigen Ende-zu-Ende-Automatisierung sowie Leistungsgewinne.

Korea TOSS Payments ist das erste Unternehmen, das vollständig auf Post-Quantenkryptografie umstellt, indem es den NIST-Standardalgorithmus „ML-KEM“ für den hybriden Schlüsselaustausch verwendet, um die Sicherheit zu erhöhen und Bedrohungen durch Quantencomputer abzuwehren.

IBM-Forscher arbeiten mit Signal und Threema zusammen, um ein quantenresistentes Nachrichtensystem zu entwickeln. Kryptograph Ethan Heilman weist darauf hin, dass das Risiko quantenbasierter Angriffe auf verschlüsselte Messaging-Plattformen höher ist als bei Bitcoin. Signal hat das PQXDH-Upgrade eingeführt, Threema erforscht den NIST-Standard für die ML-KEM-Algorithmen und legt gleichzeitig Wert auf den Schutz von Metadaten.