#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
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…
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%.
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…
Lovable запустила Deploy on AWS: приложения и данные уйдут в VPC клиента
SentinelOne: модели OpenAI делают за 8 часов реверс-инжиниринг на 4–6 недель
ByteDance Seed создаёт отдельную команду безопасности и ищет 10 топ-специалистов
Artificial Analysis запустил AA-Robotics и проверил GPT, Claude и Gemini как мозг робота
SpecTr-GBV на EMNLP 2026 объединяет мульти-драфт и блочную верификацию для ускорения LLM
Работа с EMNLP 2026 предлагает метод SpecTr-GBV: он сводит в одну схему проверку нескольких черновиков и блочную верификацию, чтобы снизить задержку инференса LLM.
AIPOCH открыла код Open-Science: журнал «vibe Research» для ИИ-исследований
AIPOCH выложила в open source Open-Science. Проект обещает сделать исследования с участием ИИ прослеживаемыми, передаваемыми и воспроизводимыми. Подробности…
ARC-SORT набрал 81,82 HOTA на SportsMOT и работает на 50 fps
Бенчмарк SciΠvot: лучшая LLM выбирает верный план в 63,5% случаев против 73,4% у людей
GlobeBench: лучшая LLM предсказывает отклик среды лишь в 49,57% задач
Замороженный словарь на 16 МБ сравнялся с обучаемым в малых LLM
LLM-Attacker сравнивает атаки на split-LLM: градиенты подняли утечку до 37,77%
Фреймворк LLM-Attacker унифицирует проверку приватности split-LLM. На GPT-2 градиенты с сервера подняли точное восстановление документов с 13,71% до 37,77%.
Переписывание данных обошло DP-SGD по балансу приватности и качества
Контролируемое сравнение на синтетических медкартах с «канарейками»: файнтюнинг утекает больше всех, DP-SGD бьёт по качеству, а приватное переписывание даёт лучший…