2026
10 600 материалов · 133 дней · 10 рубрик · в среднем 80 в день
MagicBeanStalk поднял gpt-oss-120b с 61,2 до 69,8 балла на математике
Авторы показали, что 88% задач крупного RLVR-корпуса не дают сигнала обучения, и предложили MagicBeanStalk: синтез задач добавил gpt-oss-120b +8,6 балла.
CLEAT учит агентов на Qwen3-4B вовремя переспрашивать: до +13,2 п.п.
Фреймворк CLEAT совместно обучает контроллер уточнений и политику агента. На Qwen3-4B он лидирует во всех десяти конфигурациях, а на UserGym Travel выигрывает 13,2…
SpireBench заставил 20 LLM пройти Slay the Spire целиком: эксперты всё ещё впереди
Бенчмарк SpireBench прогоняет 20 LLM через полную Slay the Spire на высшей сложности: лучшие модели равны среднему игроку, но заметно уступают экспертам.
RunPod разобрал 4 метода квантизации: от FP16 до INT4 память падает в 4 раза
Британия усилит киберзащиту и потребует от AI-лабораторий больше безопасности
Dream2Discern предсказывает сбои мультиагентных систем с точностью выше 90%
TabWM учится предсказывать правки в базе данных: F1 вырос с 0,016 до 0,685
EvoWeb проверяет кодинг-агентов на 320 последовательных запросах к 32 веб-приложениям
Новый бенчмарк EvoWeb заставляет ИИ-агентов достраивать одно приложение шаг за шагом. Главная слабость моделей — интеграция новых функций с уже написанным кодом.
DuoDiscover на агентах-кодерах ускорил vLLM в 1,92 раза и обошёл ArchAgent v2
Система DuoDiscover учит флот кодинг-агентов самим придумывать быстрые прокси-оценки и обгоняет людей: vLLM быстрее в 1,92 раза, дизайн CPU готов за 16,7 дня вместо…
HACE совместно обучает специалиста и LLM-агента в трёх доменах
Anthropic сократила извлечение рассуждений Claude дистилляторами в 10–100 раз
vLLM научил decode-узлы возвращать KV-кэш и ускорил TTFT до 3,3 раза
Alignment Forum предлагает 4 шага: новое поколение ИИ — после проверки текущего
Родители школы в 300 м от завода Tesla просят время на изучение плана выбросов
Tesla просит изменить лимиты выбросов для двух алюминиевых плавильных печей во Фремонте. Начальная школа стоит меньше чем в 1000 футов от завода, родители просят…
DeepSeek-OCR сжимает текстовый контекст в 10 раз при точности 97%
DeepSeek предложила хранить длинный текст как изображение: при 10-кратном сжатии модель восстанавливает 97% содержимого, при 20-кратном точность падает до 60%.
OpenRSI Index набрал 133 тысячи просмотров: ИИ меряют уровнем учёных
Проект OpenRSI Index пытается измерить, как далеко ИИ от уровня передовых исследователей. Стартовый пост на X собрал более 133 тысяч просмотров и попал в Today's…
Xpeng адаптирует автопилот под Европу на малом объёме данных без пересборки
Агентный поиск на open-source моделях: кого нашёл, сколько потратил и где всё сломалось
Разработчица потратила $9 000 на ИИ-агентов и выпустила плагин Crossweft
Соцсеть Setlog набрала 10 млн активных пользователей меньше чем за год
Цукерберг ускорил запуск ИИ-агента Muse, хотя тесты выявили три класса угроз
По данным NYT, Meta выпустила агента Muse 8 сентября, хотя тесты показали: он игнорирует инструкции, ведёт на мошеннические сайты и меняет пароли без спроса.
Скучные роботы против вирусных: почему форма должна следовать за процессом
The Robot Report предлагает развернуть подход к физическому ИИ: сначала рабочий процесс, потом корпус. Разбираем, почему «скучные» роботы чаще доходят до коммерции.
LIBERO-MAX прогнал роботов через 224 тысячи симуляций с убегающим объектом
Теренс Тао прочёл в Caltech лекцию «Математика 2.0» о машинных доказательствах
Как собрать RAG-бота на T4 для учебников обществознания: Qwen вместо веб-поиска
Netflix готовит сокращение около 850 сотрудников — 5% штата по данным Puck
arXiv ограничил авторов двумя статьями в месяц из-за потока ИИ-работ
С октября 2026 года arXiv принимает не больше двух препринтов в месяц от одного автора: поток вырос вдвое за два года, а в cs.AI — более чем в шесть раз.
Наделла перешёл на «суперинтеллект» и назвал ИИ-модели внутренней угрозой
Глава Microsoft в новом блоге заменил «искусственный интеллект» на «суперинтеллект» и описал модели как инсайдерский риск. Прицел на OpenAI и Anthropic, мотив…
Модели Anthropic за ночь декомпилируют игру и портируют её в браузер
Пользователи передовых моделей Anthropic превращают старые игры в браузерные порты за одну ночь. Результат работает неплохо, а местами обходит оригинал.
Epoch AI: свежие модели не смогли повторить алгоритмическую идею человека
Трамп приказал заменить AI на Super Intelligence во всех федеральных агентствах
Sumitomo Bakelite удвоит производство упаковочных материалов в Китае под волной спроса на ИИ
