Skyfall AI Tniedi MORPHEUS: Benchmark għal Simulazzjoni ta' Intrapriża Persistenti

Skyfall AI Tniedi MORPHEUS: Benchmark għal Simulazzjoni ta' Intrapriża Persistenti

—

Il-Fatti

SAN FRANCISCO, US — Skyfall AI ħarġet MORPHEUS, pjattaforma ta' simulazzjoni ta' intrapriża persistenti ddisinjata biex tittestja t-tagħlim ta' rinfurzar kontinwu (CRL). B'differenza mill-benchmarks standard li jerġgħu jibdew l-ambjent wara kull episodju, MORPHEUS jopera f'dinja fejn id-deċiżjonijiet passati jaffettwaw il-futur, u l-objettivi jinbidlu maż-żmien. Din il-pjattaforma hija bbażata fuq il-Big World Hypothesis ta' Javed u Sutton (2024), li targumenta li l-kumplessità tad-dinja dejjem teċċedi l-kapaċità ta' rappreżentazzjoni ta' kwalunkwe aġent. Ir-riċerka vvalutat mudelli bħal GPT-5.5 u Gemini 3.1 Pro fuq żewġ kompiti: allokazzjoni ta' riżorsi dinamiċi u skedar ta' distribuzzjoni b'effetti mdewma. Il-mudelli wrew falliment fl-adattament meta l-kundizzjonijiet inbidlu, b'GPT-5.5 jesperjenza kollass fil-prestazzjoni sa 95% fuq il-kompiti l-aktar diffiċli.

—

Xi Jfisser Ghalik

Għall-inġiniera tal-AI u l-kumpaniji li qed jużaw aġenti awtonomi, MORPHEUS juri li l-mudelli lingwistiċi kbar (LLMs) attwali mhumiex verament adattabbli f'ambjenti intrapriżi chaotiċi. Filwaqt li dawn il-mudelli jistgħu jidhru stabbli, l-istabbiltà tagħhom spiss hija riżultat ta' memorja ta' taħriġ minn qabel aktar milli tagħlim reali. Meta jseħħu anomaliji mhux previsti fil-katina tal-provvista jew fil-produzzjoni, dawn l-aġenti jonqsu milli jiskopru l-bidla jew jirkupraw l-operazzjonijiet b'mod awtonomu. Dan il-benchmark jipprovdi metodu biex titkejjel il-kapaċità ta' adattament reali, u jħeġġeġ lill-industrija tiżviluppa algoritmi li kapaċi jitgħallmu bis-sinjali ta' premju minflok jiddependu fuq politiki fissi.

—

Il-Kwistjoni

Il-benchmark ta' Skyfall AI qed jikkawża dibattitu dwar l-effettività tal-LLMs għal użu operattiv fit-tul. Skont ir-riċerka, il-prestazzjoni tal-mudelli ta' quddiem taqa' għal żero jew ma tirkuprax meta jiffaċċjaw drift strutturat, filwaqt li l-algoritmi ta' rinfurzar tradizzjonali wrew kapaċità ta' rkupru aħjar f'ċerti xenarji. Madankollu, il-benchtmark innifsu jassumi limiti ta' prestazzjoni ottimali li huma bbażati fuq xenarji ta' żero fallimenti, fatt li jista' jkun ottimist żżejjed. M'hemmx kunsens dwar jekk it-tekniki ta' fine-tuning jew arkitetturi ġodda ta' aġenti jistgħux isolvu dawn il-limitazzjonijiet mingħajr ma jinbidel il-paradigma tat-taħriġ ta' qabel.

—

L-Istampa l-Kbira

Din ir-rilaxx issegwi l-ħtieġa dejjem tikber għal benchmark li jirrifletti l-operazzjonijiet reali ta' intrapriża, fejn is-sistemi qatt ma jerġgħu jibdew mill-bidu. Il-qasma bejn il-prestazzjoni fuq testijiet statiċi u l-imġieba f'sistemi kumplessi saret evidenti hekk kif l-aġenti AI qed jiġu integrati f'katini ta' provvista u infrastrutturi kritiċi. It-transizzjoni għal dan it-tip ta' evalwazzjoni kienet katalizzata mill-Big World Hypothesis ta' Javed u Sutton ippubblikata fl-2024, li stabbiliet il-bażi teorika li l-ebda ammont ta' taħriġ minn qabel mhu suffiċjenti biex jikkumpensa għal nuqqas ta' tagħlim kontinwu f'ambjenti dinamiċi.

—

Dettalji Ewlenin

• Pjattaforma: MORPHEUS

• Sors Teoriku: Big World Hypothesis (Javed u Sutton, 2024)

• Kompiti Evaluati: Allokazzjoni ta' riżorsi u skedar b'effetti mdewma

• Mudelli Ittestjati: GPT-5.5 u Gemini 3.1 Pro

• Tipi ta' Fallimenti: 11-il tip, inklużi missing_data u rate_limit

• Metriċi ta' Prestazzjoni: Reward għal kull konfigurazzjoni, veloċità ta' adattament, nsejna (forgetting), ħin ta' rkupru, stabbiltà, u gap ta' prestazzjoni

• Status: Open-source (Skyfall-Research/morpheus-evals)

—

Sorsi Użati

MarkTechPost: Skyfall AI Releases MORPHEUS, 13 ta' Lulju 2026

The AI Journal: Skyfall AI's Morpheus Benchmark Reveals LLMs Aren't Actually Learning, 13 ta' Lulju 2026

Search Queries Executed:

• Skyfall AI MORPHEUS benchmark release

• what is MORPHEUS persistent enterprise simulation benchmark

• Javed & Sutton 2024 Big World Hypothesis

—

Affiljat

Tqatta' ħafna sigħat taqra l-aħbarijiet fuq l-iskrin? Ipproteġi l-għajnejn tiegħek b'nuċċali li jimblukkaw id-dawl blu. Ikseb il-par tiegħek illum.

https://amzn.to/4uRaUuk

—

Disklaimer Il-Polz

Din l-aħbar hija bbażata fuq kontroll ta' sorsi pubbliċi u informazzjoni uffiċjali. Mhijiex parir professjonali. Il-fatti jistgħu jinbidlu hekk kif joħorġu aġġornamenti ġodda. Għal aktar dettalji u ċ-ċitazzjonijiet sħaħ, żur ir-Reġistru tas-Sorsi Verifikati fuq Il-Polz: https://ilpolz.fika.bar/

—

Facebook: https://www.facebook.com/ilpolz

═════ ENGLISH VERSION ═════

Skyfall AI Releases MORPHEUS: A Persistent Enterprise Simulation Benchmark

—

The Facts

SAN FRANCISCO, US — Skyfall AI has released MORPHEUS, a persistent enterprise simulation platform designed to test continual reinforcement learning (CRL). Unlike standard benchmarks that reset the world after each episode, MORPHEUS operates in a world where past decisions affect the future, and objectives shift over time. This platform is grounded in the Big World Hypothesis by Javed and Sutton (2024), which argues that the world's complexity always exceeds any agent's representational capacity. Research evaluated models like GPT-5.5 and Gemini 3.1 Pro on two tasks: dynamic resource allocation and dispatch scheduling with delayed effects. Models showed a failure to adapt when conditions changed, with GPT-5.5 experiencing a performance collapse of up to 95% on the most difficult tasks.

—

What It Means

For AI engineers and companies using autonomous agents, MORPHEUS demonstrates that current large language models (LLMs) are not truly adaptable in chaotic enterprise environments. While these models may appear stable, their stability is often a result of pre-training memory rather than real learning. When unforeseen anomalies occur in supply chains or production, these agents fail to detect the shift or recover operations autonomously. This benchmark provides a method to measure real adaptation capacity, encouraging the industry to develop algorithms capable of learning from reward signals instead of relying on fixed policies.

—

Different Views

Skyfall AI's benchmark is sparking debate over the effectiveness of LLMs for long-term operational use. According to the research, the performance of frontier models drops to zero or fails to recover when facing structured drift, while traditional reinforcement algorithms showed better recovery capacity in certain scenarios. However, the benchmark itself assumes optimal performance limits based on zero-failure scenarios, which may be overly optimistic. There is no consensus on whether fine-tuning techniques or new agent architectures can solve these limitations without changing the pre-training paradigm.

—

Big Picture

This release follows the growing need for a benchmark that reflects real enterprise operations, where systems never reset. The gap between performance on static tests and behavior in complex systems has become evident as AI agents are integrated into supply chains and critical infrastructure. The transition to this type of evaluation was catalyzed by the Big World Hypothesis by Javed and Sutton published in 2024, which established the theoretical foundation that no amount of pre-training is sufficient to compensate for a lack of continual learning in dynamic environments.

—

Key Points

• Platform: MORPHEUS

• Theoretical Source: Big World Hypothesis (Javed and Sutton, 2024)

• Evaluated Tasks: Resource allocation and scheduling with delayed effects

• Tested Models: GPT-5.5 and Gemini 3.1 Pro

• Failure Types: 11 types, including missing_data and rate_limit

• Performance Metrics: Per-configuration reward, adaptation speed, forgetting, recovery time, stability, and performance gap

• Status: Open-source (Skyfall-Research/morpheus-evals)

—

Sources Used

MarkTechPost: Skyfall AI Releases MORPHEUS, July 13, 2026

The AI Journal: Skyfall AI's Morpheus Benchmark Reveals LLMs Aren't Actually Learning, July 13, 2026

Search Queries Executed:

• Skyfall AI MORPHEUS benchmark release

• what is MORPHEUS persistent enterprise simulation benchmark

• Javed & Sutton 2024 Big World Hypothesis

—

Affiliate

Spending many hours reading news on your screen? Protect your eyes with blue-light blocking glasses. Get your pair today.

https://amzn.to/4uRaUuk

—

Disclaimer Il-Polz

This news is based on a check of public sources and official information. It is not professional advice. Facts may change as new updates emerge. For full details and citations, visit the Verified Source Registry at Il-Polz: https://ilpolz.fika.bar/

—

Facebook: https://www.facebook.com/ilpolz

═════ DEUTSCHE VERSION ═════

Skyfall AI veröffentlicht MORPHEUS: Ein persistenter Unternehmenssimulations-Benchmark

—

Die Fakten

SAN FRANCISCO, US — Skyfall AI hat MORPHEUS veröffentlicht, eine persistente Unternehmenssimulationsplattform, die für das Testen von kontinuierlichem Reinforcement Learning (CRL) entwickelt wurde. Im Gegensatz zu Standard-Benchmarks, die die Welt nach jeder Episode zurücksetzen, operiert MORPHEUS in einer Welt, in der vergangene Entscheidungen die Zukunft beeinflussen und Ziele sich im Laufe der Zeit verschieben. Diese Plattform basiert auf der Big World Hypothesis von Javed und Sutton (2024), die argumentiert, dass die Komplexität der Welt immer die Repräsentationskapazität jedes Agenten übersteigt. Die Forschung bewertete Modelle wie GPT-5.5 und Gemini 3.1 Pro bei zwei Aufgaben: dynamische Ressourcenallokation und Versandplanung mit verzögerten Effekten. Die Modelle zeigten ein Versagen bei der Anpassung, wenn sich die Bedingungen änderten, wobei GPT-5.5 bei den schwierigsten Aufgaben einen Leistungseinbruch von bis zu 95 % erlebte.

—

Was das bedeutet

Für KI-Ingenieure und Unternehmen, die autonome Agenten einsetzen, demonstriert MORPHEUS, dass aktuelle große Sprachmodelle (LLMs) in chaotischen Unternehmensumgebungen nicht wirklich anpassungsfähig sind. Während diese Modelle stabil erscheinen mögen, ist ihre Stabilität oft ein Ergebnis des Vortrainingsgedächtnisses und nicht echten Lernens. Wenn unvorhergesehene Anomalien in Lieferketten oder der Produktion auftreten, versagen diese Agenten darin, die Verschiebung zu erkennen oder den Betrieb autonom wiederherzustellen. Dieser Benchmark bietet eine Methode zur Messung der tatsächlichen Anpassungsfähigkeit und ermutigt die Industrie, Algorithmen zu entwickeln, die aus Belohnungssignalen lernen können, anstatt sich auf feste Richtlinien zu verlassen.

—

Verschiedene Ansichten

Der Benchmark von Skyfall AI löst eine Debatte über die Effektivität von LLMs für den langfristigen operativen Einsatz aus. Der Forschung zufolge fällt die Leistung von Frontier-Modellen auf null oder erholt sich nicht, wenn sie mit strukturiertem Drift konfrontiert werden, während traditionelle Reinforcement-Algorithmen in bestimmten Szenarien eine bessere Wiederherstellungsfähigkeit zeigten. Der Benchmark selbst nimmt jedoch optimale Leistungsgrenzen an, die auf Szenarien ohne Fehler basieren, was möglicherweise zu optimistisch ist. Es besteht kein Konsens darüber, ob Feinabstimmungstechniken oder neue Agentenarchitekturen diese Einschränkungen lösen können, ohne das Vortrainingsparadigma zu ändern.

—

Das große Ganze

Diese Veröffentlichung folgt dem wachsenden Bedarf an einem Benchmark, der reale Unternehmensabläufe widerspiegelt, bei denen Systeme niemals von Grund auf neu gestartet werden. Die Kluft zwischen der Leistung bei statischen Tests und dem Verhalten in komplexen Systemen ist deutlich geworden, da KI-Agenten in Lieferketten und kritische Infrastrukturen integriert werden. Der Übergang zu dieser Art der Bewertung wurde durch die 2024 veröffentlichte Big World Hypothesis von Javed und Sutton katalysiert, die das theoretische Fundament legte, dass kein Vortraining ausreicht, um einen Mangel an kontinuierlichem Lernen in dynamischen Umgebungen auszugleichen.

—

Wichtige Punkte

• Plattform: MORPHEUS

• Theoretische Quelle: Big World Hypothesis (Javed und Sutton, 2024)

• Evaluierte Aufgaben: Ressourcenallokation und Planung mit verzögerten Effekten

• Getestete Modelle: GPT-5.5 und Gemini 3.1 Pro

• Fehlertypen: 11 Typen, einschließlich missing_data und rate_limit

• Leistungsmetriken: Belohnung pro Konfiguration, Anpassungsgeschwindigkeit, Vergessen (forgetting), Wiederherstellungszeit, Stabilität und Leistungslücke

• Status: Open-Source (Skyfall-Research/morpheus-evals)

—

Verwendete Quellen

MarkTechPost: Skyfall AI Releases MORPHEUS, 13. Juli 2026

The AI Journal: Skyfall AI's Morpheus Benchmark Reveals LLMs Aren't Actually Learning, 13. Juli 2026

Search Queries Executed:

• Skyfall AI MORPHEUS benchmark release

• what is MORPHEUS persistent enterprise simulation benchmark

• Javed & Sutton 2024 Big World Hypothesis

—

Affiliate

Verbringen Sie viele Stunden damit, Nachrichten auf Ihrem Bildschirm zu lesen? Schützen Sie Ihre Augen mit Blaulichtfilterbrillen. Holen Sie sich noch heute Ihr Exemplar.

https://amzn.to/4uRaUuk

—

Haftungsausschluss Il-Polz

Diese Nachricht basiert auf einer Überprüfung öffentlicher Quellen und offizieller Informationen. Sie stellt keine professionelle Beratung dar. Fakten können sich ändern, sobald neue Aktualisierungen vorliegen. Für weitere Details und vollständige Zitate besuchen Sie das Register der verifizierten Quellen auf Il-Polz: https://ilpolz.fika.bar/

—

Facebook: https://www.facebook.com/ilpolz