Hugging Face Daily Papers
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
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 правило без предупреждения.
DetectorScope превращает чёрный ящик детектора ИИ-текстов в прозрачный
Исследователи из Google DeepMind научили детекторы ИИ-текстов объяснять решения: разреженные автоэнкодеры достают из модели понятные признаки без потери точности и с выигрышем на новых данных.
LLM2Cert верифицирует 81 из 105 сертификатов устойчивости и безопасности
Исследователи представили LLM2Cert и бенчмарк DynaCertBench: LLM предлагает функции Ляпунова и барьерные сертификаты, а SMT-солверы и Lean проверяют их. Итог: 77,1% задач.
Пекинский университет ускорил загрузку видео для ИИ в 1,45 раза
Команда академика Wen Gao выпустила codec4AI: хранение видео под случайный доступ даёт на 58,7% меньше данных и 1,45× к скорости загрузки против LeRobot v3.
CausalAlign лечит «забывчивость» видеомоделей: ошибки геометрии ниже на 20%
Исследователи выяснили, где диффузионные видеомодели теряют движение камеры, и выровняли их с 3D-моделью. Геометрические ошибки Wan2.2 упали более чем на 20%, а роботы стали успешнее на 10 пунктов.
LEGO-SCD учится находить изменения в 3D-сценах на 17,2 FPS без ручной разметки
Метод LEGO-SCD обучается на автоматических правках 3D Gaussian Splatting и бьёт рекорды: 67,64% mIoU на PASLCD, 75,82% на CCS3D и 17,2 FPS.
HyperDrone рендерит миллионы кадров в секунду и обгоняет аналоги в 20 раз
Новый симулятор квадрокоптеров HyperDrone с трассировкой лучей на GPU работает более чем в 20 раз быстрее аналогов и переносит политику из симуляции на реальный Crazyflie.
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% качества dense-внимания.
StyleStream 2.0 вдвое сократил задержку конверсии голоса до 520 мс
Вторая версия потокового преобразования голоса работает с задержкой 520 мс на обычной видеокарте и учится создавать и править голос по текстовому описанию.
Агенты на диффузионных LLM научились шептаться векторами: +34 пункта на QASC
Исследователи заставили диффузионные языковые модели обмениваться четырьмя скрытыми векторами вместо текста. На QASC точность выросла до 80,8%, а одна поздняя передача дала 87,8%.
RoboCasa-Shift: бенчмарк показал, где ломаются VLA-роботы на кухне
Новый бенчмарк RoboCasa-Shift разобрал GR00T N1.5 на 1 040 прогонах: два сбоя с одинаковым ΔSR=0,188 ломают робота на первом этапе в 19,0% и 36,4% случаев.
WorldStream строит бесконечный 3D-мир и помнит каждую правку игрока
WorldStream достраивает играбельный 3D-мир за пределами карты, исполняет языковые команды и восстанавливает посещённые места с правками. Планируют два уровня, собирает детерминированный код.
Qwen-Audio-3.1-ASR: 30 языков, 16 диалектов и диаризация в одной модели
Qwen выпустила семейство Qwen-Audio-3.1-ASR: 30 языков, 16 китайских диалектов, диаризация с метками спикеров и понимание звука — от музыки до событий по времени.
Команда ИИ-исследователей нашла линейное внимание, которое обошло GDN2 на 1.3B
Команда постоянных ИИ-агентов с разным научным бэкграундом искала архитектуры линейного внимания и на масштабе 1.3B параметров превзошла GDN2 по языку, рассуждениям и retrieval.
DiffResearch: диффузионная LLM ускорила deep research в 6 раз
Открытый фреймворк DiffResearch заменил авторегрессионную модель на диффузионную и ускорил deep research примерно в 6 раз. Режим dFast дал ещё 1,99× на декомпозиции запроса.
Из 1 598 RL-статей в фреймворки дошли 37: аудит семи open-source стеков
Анализ коммитов семи open-source фреймворков для RL-постобучения: из 1 598 методов до кода добрались 37, а поток статей вырос в пять раз при тех же 5–7 включениях.
Исследователи прогнали 120 конфигураций CPT для игровых агентов: от 0,8B до 27B
Контролируемое исследование проверило, работает ли масштабирование для агентов в разных играх: 120 запусков, от 50 до 1 600 часов данных и модели до 27B параметров.
Исследователи научили LLM подстраиваться под диалект: метод CAP и 10 линеек моделей
Аудит 10 открытых линеек моделей показал: DPO сильнее поощряет британское и австралийское написание, чем AAE и сингльш. Метод CAP выравнивает это без вреда для стандартного английского.
Agent4Sci: Claude Opus улучшил рекорды на 20 научных бенчмарках на 10,4%
Тестовый стенд Agent4Sci показал: фронтирные агенты побивают опубликованные рекорды на всех 20 научных ML-бенчмарках, но выигрывают инженерными трюками, а не научными идеями.
MultiAgent-OPD обучает команду агентов целиком и берёт 38,68% на семи QA-бенчмарках
Исследователи TaoLive AIGC совместили on-policy дистилляцию с RL для иерархии Leader–Searcher–Answerer. Результат: 38,68% macro avg@4, на 4,06 п.п. лучше Prompted Critic.
DuoLM ускоряет LLM-рекомендации в 60 раз: 26 400 оценок в секунду на одном H100
Исследователи разделили рекомендательную LLM на энкодер и ранкер, закэшировали описания товаров и получили 26 400 оценок кандидатов в секунду на одном H100 при качестве учителя.
RoboJudge-9B судит робо-видео точнее Gemini: корреляция с людьми 0,719
Исследователи CUHK собрали бенчмарк из 800 размеченных роликов и обучили 9B-судью для видео с роботами: корреляция с людьми 0,719, на 0,089 выше Gemini-3.7-Flash.
DeCert учит ИИ-судей объяснять вердикты: 76,2 на RM-Bench у 8B-модели
Фреймворк DeCert обучает генеративные reward-модели не только выбирать верный ответ, но и обосновывать его. Qwen3-8B получает 76,2 на RM-Bench и до +14,8 к позиционной устойчивости.
Bridged Self-Distillation учит малые модели рассуждать у любого учителя, даже по API
Метод BSD дистиллирует рассуждения из любой модели, включая закрытый API: учитель выдаёт только текст, а токенный сигнал для ученика даёт его же копия.
Диффузионные LLM тратят втрое больше проходов на рассказ, чем на грамматику
Анализ двух диффузионных моделей на 10 задачах показал: токен рассказа в DiffusionGemma стоит втрое дороже токена правки грамматики, а скорость декодирования помогает выбирать верные ответы.
EgoX собирает камеру, руки и объекты в одну 3D-сцену и на 65,6% точнее по рукам
Модель EgoX по видео от первого лица за один проход восстанавливает камеру, сцену, руки и объекты в общих метрических координатах. Ошибка камеры ниже на 68,9%.
OpenVLHarness добавил мультимодальным моделям память и инструменты: +9,7–12,6 балла
Обвязка OpenVLHarness с инструментами и постоянной мультимодальной памятью подняла средний балл восьми MLLM на 9,7–12,6 пункта на 22 бенчмарках, потратив до 37% токенов конкурентов.
Stateful Harness поднял точность мировых моделей с 32% до 92% на скрытом состоянии
Исследователи разделили исполнение правил и рендер видео: Stateful Harness с замороженной MiniMax-H3 выдаёт верный исход в 92% пар WorldState-Bench против 32% без него.
Гибридные LLM: рекуррентные слои глушат attention, помогает поэтапное обучение
Исследователи описали Competing Learning: в гибридных моделях рекуррентные слои быстрее учат retrieval и подавляют attention. Поэтапное обучение проверили на моделях до 1B.