2026
10 558 материалов · 132 дней · 10 рубрик · в среднем 80 в день
PatEx-Gym учит ИИ-агентов искать патентные аналоги: 1 млн патентов и модель на 4B
Исследователи выпустили PatEx-Gym, среду для агентов-патентных экспертов: 1000 задач, 1 млн патентов, 52 тыс. статей и компактный агент на 4 млрд параметров.
LLM-агенты за 20 дней построили ИИ для Hearthstone Battlegrounds сильнее топ-10 игроков
Система AutoTavern не играла сама, а строила: симулятор и RL-агента TavernAgent. Рейтинг вырос с 6000 до 15 000, 80% первых мест против 59% у лучших людей.
Исследователи CMU научили RL-модели не лить воду: FORK поднял win rate с 22% до 74%
Награда FORK добавляет к рубричному RL цель по precision и лечит раздутые, неточные ответы: на HealthBench доля побед над базовой моделью выросла с 22,1% до 74,1%.
Moonshot выпустила Kimi K3.1 Pro: 55 баллов и $2/$10 за миллион токенов
Онлайн-выпуклая оптимизация за 20 лет дошла от теории до Adam и LLM
Открытый визуальный бэкбон учится менять правила обучения на лету: 1000+ звёзд на GitHub
Стэнфордский PhD вывел Transformer с нуля из одной задачи про память
Чжэцзянский и Пекинский университеты предложили SPADER для QA с несколькими ответами
На EMNLP 2026 Main приняли SPADER: метод RL с пошаговым GRPO и наградой за разнообразие, который учит модель находить все ответы, а не только самые частые.
Xiaohongshu и Фуданьский университет строят DR-Rubric для RL на открытых задачах
Команда Xiaohongshu и Фуданьского университета представила на NeurIPS 2026 DR-Rubric — способ строить оценочные критерии для RL там, где у задачи нет эталонного…
DynStream из Пекина собирает динамическую 3D-сцену из видео без поз камеры
PhAI Labs: Claude Opus 5 занял последнее место в тесте научных гипотез — 2,3%
Векторный поиск против Графа знаний: сколько на самом деле стоит построить и удержать GraphRAG
Alibaba DAMO впервые показала дорожную карту автомобильных RISC-V чипов XuanTie
The Information: Anthropic готовит модель сильнее всех текущих Claude
По данным The Information, Anthropic готовит новую модель: её рассуждения и «интуицию» оценивают выше всех коммерческих Claude. Цифр и названия пока нет.
Tencent Hunyuan и Фудань запустили ExplorationBench для оценки исследования у LLM
Команда Фуданьского университета и Tencent Hunyuan представила ExplorationBench: бенчмарк измеряет, как ИИ-системы исследуют незнакомую среду, а не только отвечают…
WorldMemBench проверяет, помнят ли модели мира комнаты и события
Бенчмарк WorldMemBench оценивает память моделей мира по двум осям: сохраняются ли увиденные сцены и продолжаются ли события, пока камера смотрит в другую сторону.
PathFM: генерация полных траекторий временных рядов через flow matching
Правка весов без дообучения снизила долю сексистских ответов с 57,9% до 24,3%
Dusting the Phantom: умное распределение гауссиан для динамических сцен
DuET снижает ошибку транскрипции фортепиано в партитуру с 6,56% до 3,64%
LexFrame читает скрытые состояния LLM: когерентность 0,97 при потолке линз 0,30
Новый метод читает скрытые состояния через оставшиеся слои самой модели. На SmolLM3-3B и OLMo3-7B он даёт когерентность 0,97, а фиксированные линзы не выше…
OmniXRef: унифицированный фреймворк для редактирования видео с мультимодальными ссылками
Adobe Research представила OmniXRef — фреймворк для редактирования видео с мультимодальными ссылками. Позволяет комбинировать текст, изображения и видео для…
Matrix Game 4.0 выдаёт 60 FPS на одной игровой видеокарте и обходит конкурента Nvidia
CodeActionBench: GPT-6 Astra в Codex CLI добился 73,3% успеха в задачах с двумя руками
Cloudflare приобрела Deno, и война рантаймов JavaScript склоняется к Node
Stanford и Together AI научили LLM писать текст с плана: генерация быстрее до 31 раза
Apple и CMU ускорили ИИ-агентов в 10 раз, заменив рассуждение выбором
Исследователи Apple и Carnegie Mellon предложили убрать из ReAct-агентов свободное «думание» и заменить его выбором из вариантов. Заявленный выигрыш в скорости — до…
KTransformers отдал CPU часть расчётов MoE и убрал пересылку весов при дообучении
Команда KTransformers предложила считать эксперты MoE прямо на CPU при дообучении. Цель: тюнить open-source гигантов вроде DeepSeek-V4 и Kimi-K3 без кластера GPU.
Парадокс ИИ-разработки: почему на чистом листе скорость растёт на 55%, а в зрелом коде падает на 19%
Два строгих рандомизированных эксперимента дали противоположные результаты: на типовой задаче с нуля ИИ-ассистент ускорил программистов на 55,8% (71 против 161…
Cognition и National Design Studio открыли резиденцию American Forge на 6 месяцев
WorldOracle проверяет мировые модели: робот промахнулся, а модель показала успех
ProD предотвращает зацикливание ИИ-агентов: тест на 8 моделях (0,6B–8B)
