วันที่ 3 เมษายน ทีมงานจาก NYU และ Meta FAIR เผยแพร่บทความวิจัยชื่อ "Hierarchical Planning with Latent World Models (HWM)" ลิงก์ต้นฉบับ: (https://arxiv.org/abs/2604.03208) บทความนี้ไม่ได้มุ่งเน้นไปที่การสร้างภาพอนาคตที่สมจริงยิ่งขึ้นอีกต่อไป แต่หันไปแก้ไขปัญหาด้านการปฏิบัติที่ท้าทายมายาวนานของ World Model เมื่อห่วงโซ่ภารกิจยาวขึ้น ความคลาดเคลื่อนในการพยากรณ์จะสะสมอย่างต่อเนื่อง และพื้นที่การค้นหาการกระทำก็จะขยายตัวอย่างรวดเร็ว

มุมมองหลักเชื่อว่ายิ่งโมเดลมีพารามิเตอร์มากขึ้น ก็จะยิ่งใกล้เคียงกับวิธีคิดของมนุษย์มากขึ้น อย่างไรก็ตาม เอกสารวิจัยที่ทีมจาก Zhejiang ตีพิมพ์ใน Nature Communications เมื่อวันที่ 1 เมษายน ได้เสนอแนวคิดที่แตกต่าง พวกเขาพบว่าเมื่อขนาดของโมเดล (ส่วนใหญ่เป็น SimCLR, CLIP, DINOv2) ใหญ่ขึ้น ความสามารถในการจดจำสิ่งเฉพาะเจาะจงจะเพิ่มขึ้นอย่างต่อเนื่องจริง แต่ความสามารถในการเข้าใจแนวคิดเชิงนามธรรมไม่เพียงแต่ไม่เพิ่มขึ้น แต่กลับลดลง

การรั่วไหลของ Claude Code ครั้งนี้ เกิดจากปัญหาในการเผยแพร่แพ็คเกจ npm Anthropic ได้เผยไฟล์ cl.js.map ออกไปด้วย ภายนอกสามารถใช้ไฟล์นี้เพื่อแยกโค้ดได้มากกว่า 512,000 บรรทัด มีโมดูลเครื่องมือมากกว่า 40 รายการ ซึ่งบ่งชี้ว่าหลายงานได้ถูกดำเนินการด้วยเครื่องมือที่แบ่งย่อยมากขึ้นแล้ว นอกจากนี้ยังมี QueryEngine ขนาด 46,000 บรรทัด ซึ่งทำหน้าที่เป็นศูนย์ควบคุมหลักสำหรับการจัดตารางงาน นอกจากนี้ โค้ดยังเผยให้เห็นฟังก์ชันบางอย่างที่ไม่ได้เปิดเผยมาก่อน เช่น Buddy, Kairos และโหมดอัตโนมัติ