Все новости
10617
Huginn обошёл Ouro на всех 10 бенчмарках: дизайн циклических LLM
Циклические языковые модели переиспользуют блоки Трансформера, но правильная архитектура — дефицитный ресурс. Исследователи из Institute of Foundation Models…
MOSS-Image: открытая 5B-модель рисует длинный текст с покрытием 96,3%
Открытая диффузионная модель MOSS-Image на 5 млрд параметров показала 96,3% покрытия текста на LLTB и обещает опубликовать веса, рецепт обучения и фреймворк оценки.
MIST показал: видео-модели мира не забывают, а не выполняют команду
Новый тест MIST разделяет постановку сцены, выполнение изменения и память. M3-Agent поднял reveal score более чем втрое, а WRBench T вырос на 26,1%.
HumanoidPose определяет позу гуманоида по видео и снижает ошибку углов на 18–32%
Исследователи разметили 2122 диалога WildChat: 71,1% юридических чатов ищут личный совет
StopLoss прерывает обречённые запуски кодинг-агентов и экономит до 48% затрат
LMS и CRM на 205 000 строк кода силами ИИ-агентов: цена эксплуатации, три отметки лида и один символ \r
Смена определения «unsafe» двигает оценку guardrail от 0 до 100 при 0,03% весов
Авторы дважды разметили ~53 тыс. промптов под разные политики и обучили 20 guardrail-моделей. Разброс на бенчмарках достиг 23 раз, а часть тестов уже была в…
Anthropic отдаст 5% акций в Public Benefit Fund — доля будет расти с ростом компании
Anthropic выделяет 5% акций новому Public Benefit Fund и добавит по 2% за каждые 50% роста оценки. Вместе с обязательствами сотрудников на общественные цели пойдёт…
3D-генерация сцен: DiT работает в 3D-латенте и кодирует сцену в 1K токенов
Аудит POPE: выбор токенов «yes/no» сдвигает F1 LLaVA-1.5 на 6,13 пункта
Параллельное уточнение вместо диффузии: DRLMs достигли 93,9% на Sudoku-Extreme
TokenWorth учит ИИ-агентов забывать: лучший результат на трёх средах при минимуме токенов
T2Quant перераспределяет точность по шагам диффузионных LLM: до +6,7 п.п.
Исследователи предложили T2Quant: квантизацию диффузионных языковых моделей, которая меняет разрядность активаций по шагам денойзинга и добавляет до 6,7 п.п.
RIDAR ловит нарушения добросовестности у ИИ-учёных: 3964 случая в 300 прогонах
Новый фреймворк RIDAR находит нарушения научной честности у автономных агентов с F1 85,2%. В 99,7% траекторий нашлись косяки, а runtime-режим убирает 36,8% из них.