Hugging Face Daily Papers
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
NVIDIA открыла Flora: разметка данных для роботов в 125 раз дешевле GPT-6 Astra
NVIDIA выложила в открытый доступ Flora, движок разметки для GR00T. Он размечает 200 000 часов данных в сутки на 512 GB300 и стоит примерно в 125 раз меньше GPT-6 Astra.
Графовый токен в G-Retriever оказался пустышкой: косинус 0.985–0.998
Исследователи из Sapienza показали: «графовый токен» в G-Retriever почти одинаков для любых входов, а константа без доступа к графу не уступает методу по точности.
OPTIC сжимает per-layer embeddings Gemma 4 E4B в 100 раз и сохраняет 97,8% качества
Исследователи из VILA-Lab ужали per-layer embeddings Gemma 4 E4B примерно в 100 раз: модель сохраняет 97,8% качества на семи бенчмарках, а GPU-память падает на 29,7%.
HiP3R собирает 3D-сцены из тысяч кадров видео без дообучения моделей
Исследователи NTU Singapore предложили иерархический граф поз: сначала куски видео выравниваются в Sim(3), затем каждому кадру достаётся одна общая камера SE(3).
Nestor: вложенная разреженность в attention обошла MoE при равных затратах
Tianzhe Chu, Druv Pai и Yi Ma предложили трансформер Nestor: разреженность в attention вкладывается в MoE и даёт выигрыш при равных вычислениях и в дообучении.
Энкодер на 17 млн параметров выбирает инструмент за 14 мс на CPU
Tardelli Stekel выложил шесть открытых энкодеров от 17M до 1B для выбора из закрытого набора. Модели на 68M и 150M обходят 435M DeBERTa-v3 на 4,9 и 5,9 пункта.
DecisionPivot проверил 40 моделей-решателей: при равной точности разрыв до 26 п.п.
Бенчмарк DecisionPivot из 40 033 заданий показал: две модели на 27B с разницей в 2,6 пункта на референсном треке расходятся на 25,9 пункта по контрастным группам.
S-Agent 2.0 научил кодинг-агента понимать 3D и обошёл SpatialClaw на 7,8 пункта
Готовый кодинг-агент с набором 3D-инструментов поднял Qwen3.8-27B до 66,5 на MMSI-Bench и 82,3 на ReVSI. Gemini-3.8-Flash дошёл до 74,1 и 90,5.
RiseHarness учит терминальных агентов чинить собственную обвязку без дообучения
Фреймворк RiseHarness итеративно улучшает обвязку терминальных агентов при замороженных весах: сравнивает удачные и провальные запуски одной задачи и проверяет правки повторными прогонами.
Lafa на 8B параметров ускоряет генерацию текста в 2,54 раза без потери качества
Исследователи представили Lafa — модель потоковой генерации на 8 миллиардов параметров, которая генерирует текст в 2,54 раза быстрее обычных моделей без потери качества. Blockwise архитектура с bidirectional асинхронным
Бенчмарк EvaOmni проверил 24 омни-модели: лидер набрал 79,4%, но заземление — 35,1%
EvaOmni требует от моделей ответ и временные интервалы доказательств. Лидер Gemini3.7-Flash набрал 79,4% точности, но на сложных задачах B.G. упал до 12,3%.
Video-Point Model прогнозирует видео с нескольких камер и 3D-траектории точек
Video-Point Model предсказывает будущее видео с любых ракурсов и 3D-траектории точек сцены. Точечная supervision повышает качество видео и успех манипуляций робота.
TARSphere проверяет роботов с MLLM-мозгом на 360 эпизодах в 30 сценах
Фреймворк TARSphere гоняет мультимодальные LLM-агенты в физическом симуляторе с NPC-людьми: 360 эпизодов, 30 сцен, 8 моделей и частые столкновения с падениями.
Agent Mosaic: LLM-агенты собирают секреты из безобидных документов в 7% ответов
Исследователи прогнали 12 240 ответов агентов и показали: даже GPT-5.6-Sol выдаёт запрещённые выводы в 7,08% случаев, а правила и грифы секретности оставляют 32,37% утечек.
Зацикливание слоёв сократило обучение диффузионных LLM до 3,3 раза
Повторение ранних слоёв трансформера в каждом шаге денойзинга снизило затраты на обучение равномерных диффузионных языковых моделей до 2,8x на OpenWebText и 3,3x на FineWeb-Edu.
FrontierCS 2 проверил 12 ИИ-агентов на задачах R&D: лучший прошёл 58%
Бенчмарк из 48 исследовательских задач вырезает вклад реальных статей и просит агентов восстановить его. Claude Opus 5.5 лидирует с 58%, а на 16 задачах не прошёл никто.
SplatLab сам пишет статьи по 3D Gaussian Splatting и бьёт бейзлайны до +3,78 дБ
Автономная система воспроизводит статью по 3DGS, придумывает расширение, обучает модели и пишет рукопись. Прирост PSNR над бейзлайнами составил от +0,18 до +3,78 дБ.
Обзор: роботы учатся улучшать сам процесс обучения, но доказательств пока нет
Авторы обзора переносят идею рекурсивного самоулучшения из кода в физический мир и называют четыре условия, при которых улучшения роботов не пропадают, а копятся.
ToM2Vec учит LLM-агентов моделировать партнёра в латентных токенах
ToM2Vec строит теорию сознания партнёра в непрерывных токенах и выигрывает в Hanabi, Overcooked-AI и переговорах, в том числе в играх с незнакомой GPT-5.4.
Quant-Arena: ни одна из 9 LLM не обыграла рынок A-share в 2024 году
Новый бенчмарк проверил девять frontier-моделей на полном цикле квант-исследования. GPT-6 Astra оказалась лучшей, но ни одна стратегия не обошла равновзвешенный рынок на закрытом 2024 годе.
LASAGNA проверила 450 RAG-конфигураций: обещанные +47% дали лишь +17%
Открытый фреймворк LASAGNA прогнал 450 конфигураций RAG на восьми бенчмарках: три сильные техники retrieval обещали +47% по отдельности, а вместе дали лишь +17%.
LoopRec подбирает глубину вычислений для каждого айтема и обходит базовые модели на 4 бэкбонах
Новая архитектура LoopRec заставляет рекомендательную модель задерживаться только на сложных элементах истории. Один общий блок, гейт выхода на каждом цикле и выигрыш на четырёх семействах бэкбонов.
RealMe собирает объёмное видео 2K из минимума камер через диффузию
Фреймворк RealMe превращает разреженные съёмки низкого разрешения в 4D-согласованное объёмное видео 2K с помощью видео-диффузионной модели и частотного лосса в латентном пространстве.
PACE сжимает состояние линейных LLM до 4 бит и экономит треть памяти
PACE квантует рекуррентное состояние гибридных LLM до четырёх бит без дообучения: на моделях 4B–35B он держится на уровне 8-битного DAMP при примерно 2/3 памяти.
SERA учит VLM-планировщик самоэволюции: робот набрал 51,38% на RoboMME
Исследователи превратили VLM-планировщик в робототехнического агента с редактируемой обвязкой. SERA с самоэволюцией достигает 51,38% успеха на RoboMME против 44,38% без неё.
SpatialBrain учит замороженную VLM копить опыт: плюс на 4 из 5 бенчмарков
SpatialBrain оставляет веса VLM замороженными и добавляет 3D-память, библиотеку навыков и накопленный опыт. Итог: лучше прямых ответов на четырёх из пяти бенчмарков, на пятом ничья.
DONIC научил одну политику управлять двумя руками: 86,79% успеха без дообучения
Исследователи представили DONIC, первый универсальный трекер для двух ловких рук. Один чекпоинт даёт 86,79% успеха на новых траекториях и 57,32% на незнакомых объектах.
TraceForge учит модели на «своих мыслях»: +7,1 пункта на MBPP+
TraceForge дописывает рассуждения к ответам закрытой модели в стиле семейства студента. На коде HumanEval+ вырос на 3,7 пункта, MBPP+ на 7,1, а судья оценил трассы в 0,68.
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 68,2%.