Все новости
10619
Исследователи предложили рамку PAPAV: только 3 из 64 бенчмарков проверяют верификацию
Новая работа сравнивает компьютерных агентов и роботов через пять функций PAPAV. Из 64 бенчмарков прогноз последствий оценивают 5, проверку результата только 3.
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
Generalized CycleGRPO связывает описание региона и его поиск по тексту в один RL-цикл без эталонных подписей и LLM-судьи. На GroundingSuite gIoU вырос с 57,5% до…
TenetBench: 11 из 14 LLM-конфигураций нарушают этические кодексы профессий
Новый русскоязычный бенчмарк проверяет модели по конкретным пунктам кодексов этики: 11 из 14 конфигураций выдают конфликтный контент на большинство запросов, как…
Cohere научила 7B-модель оценивать уверенность дважды: ошибка калибровки ниже на 52,5%
Claude за 64 часа спроектировал 17 белков против токсинов скорпиона
250 субагентов против 4 потоков: почему архитектура оркестрации важнее громкого имени модели
Шесть команд из UCSB, Stanford и J.P. Morgan выпустили бенчмарк памяти агентов
九章云极 Alaya-DFlash2 ускорила декодирование GLM-5.3 в 3,41 раза
Китайский облачный провайдер 九章云极 представил Alaya-DFlash2: спекулятивное декодирование разгоняет GLM-5.3 в 3,41 раза на длинных текстах, например на документах в…
MemT 1.0 встраивает память в модель и целится в самоулучшение ИИ
Вышел MemT 1.0: память здесь должна стать встроенной способностью модели, а не внешней надстройкой. Поводом для разговора стала история с DeepSeek и исчерпанным…
Аньхой делает ставку на гуманоидов: робопарк в Хэфэе и проект на 15,1 млрд юаней
Lovable запустила автоудаление «мёртвых» приложений: 60 дней тишины и корзина
Jiqizhixin зовёт авторов NeurIPS 2026 на офлайн-встречу в Пекине
Xiaohongshu ускорила индексатор разреженного внимания: DoSA вдвое снижает TTFT
RLSplat учит 3D Gaussian Splatting экономить: до 4,1× быстрее и в 9,6× меньше памяти
RLSplat генерирует ровно столько гауссиан, сколько задано бюджетом, и тратит на это пропорционально меньше времени и памяти: до 4,1× быстрее и до 9,6× легче по пику.
Stratified Sparse Attention ускоряет декодинг в 2,96 раза на контексте 1M
Метод разреженного внимания SSA сочетает детерминированный top-k и выборку остатка по оценкам важности: при 50-кратной разреженности на 128K он возвращает 85%…