Hugging Face Daily Papers
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
Роботы делятся опытом: флот из 96 машин поднял успех упаковки с 79,2% до 98,3%
Исследователи представили Collective Experience Learning — парадигму, где развёрнутые роботы делятся опытом выполнения задач для улучшения общей политики. Система использует контексты отказов и поиск релевантных успешных
Halcyon обошла LlamaGen и JiT-T2I, потратив на претрейн в 18–275 раз меньше compute
Исследователи обучили Halcyon с нуля на 100M пар «картинка–текст» без языкового претрейна: gFD 48,0 против 63,3 у LlamaGen при 18,2× меньших затратах на обучение.
MemT-1.0 встраивает память в саму модель: хранилище меньше в 66 раз при 128K
Представлено семейство MemT-1.0 с памятью внутри вычислений модели на Gated DeltaNet-2. При истории 128K токенов Nano ускоряет инференс в 1,86 раза и сокращает хранилище в 66 раз.
ActionRoPE превращает действия игрока в координаты и режет дрейф сцены на 66%
ActionRoPE задаёт управление в игровых мировых моделях через мировые координаты без новых параметров и снижает дрейф при возврате в точку на 66% относительно лучшего baseline.
Heartbeat Thinking учит голосовых агентов работать, пока вы ещё говорите: задержка −36,4%
Новая схема для голосовых агентов запускает рассуждения и вызовы инструментов прямо во время речи. На FDBench v3 охват тулов вырос на 16 п.п., а задержка ответа упала на 36,4%.
OpenDS-World: лучший ИИ-агент решил 39% задач глубокого поиска в живом вебе
Новый бенчмарк OpenDS-World проверил 12 топовых моделей на 200 задачах в живом интернете: лучшая набрала 39,0%, а люди в 1000 независимых попыток — 21,1%.
SEAM учит TTS новым словам без аудио и режет нужду в данных на 75%
Метод SEAM инициализирует эмбеддинги новых токенов для TTS по известным подтокенам, без единой аудиозаписи, и сокращает потребность в обучающих данных до четырёх раз.
Агенты GPT теряют до 11,3 пункта точности, когда отчёт симулятора лежит в файле
Если длинный вывод PHREEQC уходит из контекста в файл, GPT-5.1 и GPT-5.2 отвечают хуже на 11,3 и 7,9 пункта, а Claude Opus 4.6 и Sonnet 4.6 просадки не показывают.
VerifierBench: 19 LLM написали верификаторы, лучший набрал лишь 62,1 балла
Новый бенчмарк проверяет, умеют ли агенты сами писать код для проверки решений. На 222 задачах 19 моделей получили от 10,6 до 62,1 баллов, а чаще всего верификаторы режут верные ответы.
Сильные ИИ-агенты передают ход человеку в 80% случаев, когда его путь короче
Эксперимент с лабиринтом на двоих показал: модели, которые решают задачу сами, делегируют человеку выборочно — около 80% первых решений при коротком маршруте у человека.
RouteWeaver учит LLM-роутер выбирать режим и дал 61,4% точности
RouteWeaver объединяет одно-, много-раундовую и агентную маршрутизацию LLM в одной политике. Средняя точность 61,4%, на 11,03% выше сильнейшего бейслайна.
SpatialScout: лучший VLM-агент собрал 3D-карту комнаты лишь на 41,71%
Новый бенчмарк SpatialScout проверяет, умеют ли VLM-агенты сами исследовать сцены и строить карту объектов. Claude Opus 5.5 набрала 41,71%, а IoU выше 0,9 получили 3,25% целей.
Omni-Woodpecker снижает галлюцинации омни-LLM без дообучения: +12,9 на CMM
Команда из Нанкинского университета предложила метод OWP: он правит скрытые состояния омни-модели до декодинга и добавляет 12,9 пункта на CMM для Qwen2.5-Omni-7B.
Исследователи описали, как JEPA выбирает признаки: важны связи, а не одиночки
Mosh Levy, Aly Lidayan и Yoav Goldberg ввели «predictive closure»: JEPA сохраняет не отдельно предсказуемые признаки, а наборы, которые предсказывают друг друга.
TILDE учит роботов у фундаментальных моделей и улучшает результат до 4,1 раза
Исследователи предложили TILDE: учитель из Embodied Foundation Model вмешивается в обучение студента, а AutoDAgger собирает данные восстановления вдвое быстрее людей.
Deep Fusion Memory сокращает поиск в 32 раза и бьёт бейзлайны на 12,7%
Deep Fusion Memory встраивает внешние знания в скрытые состояния замороженной LLM без поиска при инференсе: в 32 раза меньше запросов и до +12,71% на QA-задачах.
Биометрию взломали по ответам «принят/отклонён»: шаблон восстановлен в 97,6–100% случаев
Исследователи показали: даже бинарный ответ «принят/отклонён» позволяет восстановить защищённый биометрический шаблон, а диффузионная модель лица сокращает число запросов в 5 раз.
IF-MAP находит, каких агентов улучшать: вдвое больший прирост точности
Метод IF-MAP ранжирует агентов в LLM-системе по потенциалу улучшения: +3,81 п.п. от оптимизации промптов против 1,85 при равномерном выборе и до 65% экономии токенов.
ID-TAP подбирает персону для LLM-агента за десять парных сравнений
Фреймворк ID-TAP учит LLM-агентов выбирать персону под запрос по бинарным сравнениям ответов и показывает лучший совокупный результат на семи бенчмарках при бюджете в десять раундов.
LayerEditor учит редактор изображений отдавать результат в RGBA-слоях
LayerEditor объединяет правку картинки по инструкции с генерацией упорядоченных RGBA-слоёв. Для обучения собран датасет LayerEditor-100K и отдельные бенчмарки слойного редактирования.
Design Anything удерживает бриф в больших проектах: +25% на 24 артефактах
Графовая обвязка Design Anything хранит замысел дизайнера вне модели. С GPT-5.6 Sol High она выполняет 92,5% ограничений брифа, на 24 артефактах отрыв от базовых схем достигает 25,1%.
CoRE учит ИИ сам выбирать правила поиска по базам знаний без разметки
Метод CoRE совместно обучает маршрутизатор правил и ретривер без пар «запрос — правило». Проверен на трёх доменах бенчмарка STaRK-QA: наука, биомедицина и e-commerce.
MTEdit: 500 тысяч траекторий правок учат модели не терять качество за 8 шагов
Исследователи собрали датасет MTEdit на 500 тысяч многошаговых правок изображений и дообучили Qwen-Image-Edit до лучшего результата среди открытых моделей.
Xiaomi-Lens-0 на 4B параметров обошла Qwen3.5 на 5,6 пункта в RefCOCO
Xiaomi выпустила Lens-0: 4B-модель на базе Qwen3.5 рисует маски из собственных визуальных латентов, прибавляет 5,6 пункта на RefCOCO и лидирует по cIoU.
OfficeTown симулирует 23 организации и учит агентов офисной работе на 406 задачах
Исследователи собрали OfficeTown: генеративную симуляцию контор, из которой вырос бенчмарк на 406 задач и 4 836 критериев. На её данных Qwen3.5-9B заметно прибавил на GDPval.
MARS переносит текстовый отказ на видео и картинки без данных: тест на 5 MLLM
Метод MARS берет направление отказа из текстовой основы LLM и добавляет безопасность мультимодальным моделям без обучения и без опасных картинок. Проверка на пяти MLLM.
Conditional Program сжимает n-gram память DeepSeek с 203 до 51 ГБ при 2 битах
Исследователи предложили Conditional Program: 2-битное сжатие таблиц n-gram памяти режет KL-ошибку на 41–63% против round-to-nearest и ужимает таблицу DeepSeek вчетверо.
ERB: ИИ-агенты сами собирают тесты для моделей и совпадают с эталоном в 75% пар
Бенчмарк EvalResearchBench проверил 9 агентов-исследователей: их оценщики упорядочивают модели так же, как целевые тесты, в 75% пар при потолке в 91%.
MambaAct ускоряет робота на π0.5: эксперт в 10 раз меньше, задержка −64,8%
MambaAct заменяет трансформерный action expert в π0.5 компактным блоком на Mamba: он в 10 раз меньше, режет задержку денойзинга на 64,8% и поднимает успех в LIBERO.
LM2LM: Qwen3.8-27B обгоняет GPT-6-sol в идеях улучшения LLM и на 33% дешевле
Исследователи обучили LLM с помощью RL предлагать улучшения для языковых моделей: Qwen3.8-27B обошёл GPT-6-sol на отложенных задачах и сэкономил 33% затрат на генерацию данных.