#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
NEWHabr AIАвтор AR-хоррора по «Вию» сделал 12 монстров в Tripo AI и ужал Чёрта до 7 880 треугольников
arXiv cs.LGSteering vectors при дообучении LLM улучшили SFT и дистилляцию на трёх сидах
arXiv cs.LGОптимизатор FARO снизил валидационные потери GPT на 0,0136 нат на 6 из 6 сидов
arXiv cs.CLВосемь LLM теряют 35–46% калибровки стратегии ответа при свободной генерации
arXiv cs.CLBILAL-Bench: шесть из семи открытых моделей уверенно выдумывают источники в 79–95% случаев
TG: @ai_machinelearning_big_data (Machinelearning)NVIDIA выпустила Nemotron 3.5 Bolt E4B на 4 ГБ и 133 токена в секунду на RTX 5070
arXiv cs.CLEDU-Jev 4B оценивает работы учеников с точностью 67,6% и обходит коммерческие API на 9,4 п.п.
arXiv cs.LGПоправка DLC удержала KL до on-policy обучения Qwen3 в пределах двух шумовых порогов
BILAL-Bench: шесть из семи открытых моделей уверенно выдумывают источники в 79–95% случаев
Бенчмарк BILAL-Bench проверил семь открытых моделей на бенгальском: шесть уверенно выдумывают аяты и хадисы в 79,3–95,3% вопросов, а рост размера модели не помогает.
NVIDIA выпустила Nemotron 3.5 Bolt E4B на 4 ГБ и 133 токена в секунду на RTX 5070
NVIDIA открыла веса Nemotron 3.5 Bolt E4B: модель на базе Gemma 4 для RTX, Jetson и Spark занимает около 4 ГБ и на RTX 5070 выдаёт 133 токена в секунду.
EDU-Jev 4B оценивает работы учеников с точностью 67,6% и обходит коммерческие API на 9,4 п.п.
Исследователи King's College London обучили компактные модели, которые выставляют баллы и проверяют критерии за один проход, без текста. Средняя точность 4B-версии…
Карпаты с помощью Claude собрал HackerTube из 6454 видео, которые советовали на Hacker News
Создатель Bun с Claude Code перенёс 750 тыс. строк с Zig на Rust за 11 дней
mcp-linter нашёл 18 параметров без описаний в сервере filesystem от Anthropic
Журналист The Verge собрал аналог Meta Muse Charm за $50 с помощью Claude Code
agent-desktop выполнил 26 из 35 задач на Mac, cua — 33, а Codex — 34
Автор @argofowl сравнил на своём Mac три агента для управления компьютером: agent-desktop отстал от cua и Codex на 7–8 задач из 35, споткнувшись на драге, canvas и…
Для Claude Code собрали 8 Skill для видео: от 244 пиксельных эффектов до монтажа
Автор @DDJCXX собрал 8 Skill для Claude Code: 244 пиксельных эффекта, 30-секундные промо, озвученные истории и черновой монтаж в DaVinci. У лидера около 2700 звёзд.
Pika Labs выложила открытую видеомодель H3 Flex: 6 шагов вместо 50
Видеоагент Google StreamVibe на 10,7% обходит другие модели по времени и качеству ответов
Новый тест ловит скрытый сговор ИИ-агентов по реакции партнёра на перефраз
OpenAI переписала правила поведения GPT: пять ценностей и цепочка приоритетов
Illinois собрал 12 151 открытую задачу и проверил, сможет ли ИИ их решить
Исследователи создали базу открытых научных задач и тест на 200 математических проблем. Без интернета ИИ-агенты решили максимум 7 из 40 уже решённых задач.
Дублирование слоёв при обучении подняло GSM8K с 12% до 19% на 3B-модели
Модели, у которых слои копируют в ходе обучения или гоняют по кругу, лучше учатся на примерах из промпта. У 3B-версии выигрыш на школьной математике GSM8K — 19%…