Жемал Хамидун

APEX сжимает латенты диффузии в 128 раз и обходит 256-токенную модель на ImageNet-512

SWIM экономит вычисления: аудио-видео генерация выигрывает до 30,7% против Best-of-N

LLM

SAM 2.1 дообучили на фасадах и интерьерах: mIoU вырос с 49,9% до 69,6%

SAIL удерживает объект в кадре по звуку и тексту и обходит конкурентов на двух бенчмарках

Авторы препринта представили SAIL: фреймворк сегментации объекта по видео, звуку и тексту. Два токена борются с потерей цели, на двух бенчмарках метод опережает…

Железо·arXiv cs.CV

Носимая стереокамера оценила объём еды с ошибкой 9,1% без эталонного предмета

Пайплайн из FoundationStereo, SAM 2 и TSDF строит 3D-модель блюда по одному стереоролику с носимого устройства. Средняя ошибка оценки объёма на пяти блюдах — 9,1%.

Исследователи сверили внимание CNN, ViT и Mamba со взглядом человека

Три архитектуры, три домена и три метрики: айтрекинг показал, что CNN смотрят широко, ViT цепляются за микропризнаки, а Mamba сильна в медицине, но расходится с…

12 окт. 2026 г.·3 мин

Тест Струпа показал: VLM читают текст на картинке охотнее, чем видят цвет

Исследователи прогнали контрастные и генеративные VLM через классический тест Струпа: при конфликте текста и цвета модели чаще отвечают по надписи.

01ForcingBooster вдвое сокращает шаги денойзинга в авторегрессионном видео12 окт. 2026 г.·2 мин 02MemReg обгоняет парные методы и SLAM в регистрации лидарных облаков точек12 окт. 2026 г.·2 мин 03Видео-языковые модели путают манёвры авто: LoRA и пробы чинят ошибку12 окт. 2026 г.·2 мин 04MIRAGE привязывает 3D-реконструкцию по видео к LiDAR и обходит COLMAP на трёх датасетах12 окт. 2026 г.·2 мин 05OMNI: один компактный энкодер собрал знания 10 моделей для патологии12 окт. 2026 г.·2 мин

Топ темы

TerraAgent проверяет, смотрит ли ИИ на снимок: галлюцинации упали с 17,1% до 9,8%

T. Rowe Price: 55% жителей Гонконга ждут от ИИ удара по пенсии, готов лишь каждый пятый

Опрос T. Rowe Price среди 1004 жителей Гонконга: 55% ждут, что ИИ расшатает их карьеру и доходы, но финансово к такому сценарию готов только каждый пятый.

Генетический оптимизатор ускорил выбор мест для датчиков аэрозолей в Британии на 60%

Исследователи встроили нейронный процесс в DeepSensor и сократили время расчёта размещения станций мониторинга аэрозолей в Британии с 25 до 10 минут.

Kronecker Product Attention сжимает KV-кэш до 10 раз и догоняет MLA по качеству

Препринт на arXiv предлагает KPA: ключи и значения хранятся как суммы кронекеровых произведений. Сжатие KV-кэша до 10x, качество на уровне MHA, GQA, MQA, MLA и TPA.

TimesFM 3.0 снизил ошибку прогноза энергопотребления вуза на 43%

Wasserstein BaryBooster превращает реалистичность диффузии в точность прогноза событий

LLM·arXiv cs.LG

DiffusionART ускоряет RL-дообучение видеомоделей в 12 раз без тонкой настройки EMA

Физический трансформер на одних транзисторах обучили in-context learning в симуляции

Теория доказала: masked diffusion на трансформерах учится на Õ(LK/ε) примеров

SAZO ускоряет дообучение LLM без backprop: до 6× меньше запросов до того же loss

Голоморфные нейросети с сингулярными функциями опередили все методы в тестах Лапласа

Cox-регрессию научили учиться на усечённых данных быстрее EM на порядки

CacheScope ускоряет диффузионные модели до 3,57x и режет LPIPS на 70%

Метод CacheScope без дообучения выбирает шаги, где кэш опасен, и считает их честно. На FLUX.1-dev, Wan2.1 и Open-Sora 1.2 он даёт ускорение до 3,57x и снижает LPIPS…

Ошибка ИИ в оценке скрытой солнечной генерации выросла с 0,104 до 0,185 кВт

Авторы работы на arXiv проверили глубокие модели на данных Ausgrid и Pecan Street: для новых домов дневная MAE 0,185 кВт против 0,104 кВт для known-клиентов.