Жемал Хамидун
Head of AI в Alpina Digital, CPO флагманского продукта AlpinaGPT (команда ~30 человек). Основатель Vibe Academy и Hamidun Consulting, автор Telegram-канала «Готовим ИИшницу» (@jemal_hamidun).
MULTIFINGROUND: LLM узнают бухгалтерские понятия на 99%, но теряют факты
Новый бенчмарк на отчётности 90 эмитентов: модели распознают концепт с точностью до 99,4%, но в 26,6–41,9% случаев пропускают хотя бы одно связанное число.
Interlock учит агентов доводить задачи до конца: до +6,64 балла на JobBench
Фреймворк Interlock синтезирует длинные задачи для LLM-агентов. Дообучение двух моделей Qwen3.6 на собственных траекториях дало +4,00–4,50 п.п. на AutomationBench.
BlenderWorld: GPT-6-Astra обошёл Opus-5 в 3D-бенчмарке, набрав 79,9 балла
Новый бенчмарк BlenderWorld прогнал 13 передовых моделей через 223 задачи по 3D-созданию в Blender. Лидер — GPT-6-Astra с 79,9, но пространственная связность всё…
PrismaCoder: открытые модели 9B и 35B догоняют закрытые в генерации визуального кода
FLOMSS: flow matching разделил музыку на 4 стема и занял 2-е место на слух
SliderEdit++ сглаживает ползунки в ИИ-редакторах: +18,5% и ускорение до 20 раз
JockeyBench: 28 конфигураций LLM-агентов проиграли на скачках в Японии
KANLab: форк TensorFlow Playground показывает обучение KAN в браузере
Lukas Niehaus с коллегами выпустил KANLab: в браузере обучается малая сеть Колмогорова — Арнольда, а каждая B-spline-кривая видна и правится руками. Код открыт…
CyberArena сводит 12 ИИ-агентов в 466 матчах атаки и защиты в реальном времени
Новый бенчмарк CyberArena заставляет двух LLM-агентов одновременно взламывать и чинить сервисы. 12 моделей, 40 задач, 466 матчей — и потолок одиночных тестов пробит.
Gemini 4 Argon нашла вдвое больше уязвимостей, чем базовые модели, в тестах Wiz
Gemini 4 Argon научил гуманоида Apollo 2 играть в корнхол: 7 попаданий подряд
Isomorphic Labs разбирает 500-страничные патенты с Gemini 4 Argon за день вместо месяца
Автор Хабра проверяет, сколько правок нужно, чтобы стереть водяной знак LLM
IBM Spyre перевёл torch.compile с самописного sendnn на открытый Inductor
Стек PyTorch для ускорителя IBM Spyre сменил бэкенд torch.compile: вместо собственного sendnn, написанного с нуля, теперь работает backend=inductor из открытого…
Meta выводит Muse Wonder на рынок корпоративных ИИ-агентов, но упирается в доверие
Meta представила Muse Wonder и вошла в сегмент корпоративных агентов. Модели уже выполняют задачи, но компании не готовы доверять им рабочие процессы.