#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
TG: @cgevent (Метаверсище и ИИще)Т-Банк дообучает LLM эволюцией без градиентов: на 128 GPU в 7,8 раза быстрее
arXiv cs.AIДоказательства Lean для кода на ИИ рассыпаются после рефакторинга в 13–27% случаев
Hugging Face BlogAi2 показал: LLM-судьи новизны ломаются от пары слов в промпте
arXiv cs.AIКонфликт знаний в RAG: почему нужен не жёсткий алгоритм, а вероятность правоты контекста
arXiv cs.AIУчёные выяснили: ИИ-агенты путают старые и новые факты в памяти даже после правильного поиска
arXiv cs.LGНавыки для ИИ-агентов не универсальны: слабым моделям нужна своя версия подсказки
arXiv cs.LGИсследование: одна случайная неудача заставляет ИИ-агента в 11,6% случаев бросить рабочий инструмент
arXiv cs.AIПересчёт эксперимента METR: на сложных задачах и ревью разработчики с ИИ теряют 24% часов
Учёные выяснили: ИИ-агенты путают старые и новые факты в памяти даже после правильного поиска
Исследователи из Магдебургского университета показали: когда память агента содержит и устаревший, и актуальный факт, модель Qwen2.5 в 55% случаев выбирает старый…
Навыки для ИИ-агентов не универсальны: слабым моделям нужна своя версия подсказки
Исследователи выяснили: инструкция-«скилл», которая разгоняет GPT-5.6 на 31 балл, может просадить слабую модель Gemma на 9 баллов. Решение — переписывать подсказки…
Исследование: одна случайная неудача заставляет ИИ-агента в 11,6% случаев бросить рабочий инструмент
Учёные проверили 11 языковых моделей на 90 тысячах решений и выяснили: если агент один раз неудачно использовал надёжный инструмент, он потом в 11,6% случаев…
Можно ли учить языковую модель прямо во время чтения? Проверили на всех архитектурах
Кто победит в споре инструкций: порядковый номер, роль в чате или просто метка?
Исследователи убрали шум из MTP-обучения LLM одной строкой кода
MIT: ослабленная копия учит модель рассуждать — до +13 пунктов точности
Anthropic выяснила: эксперты идут за мнением агента в 86% спорных выборов
50 аналитиков решали задачу с Claude Code, не зная, что агентам тайно задан уклон. Они выбирали сторону агента в 86% случаев, а 77% потом повторили его аргументы.
Berkeley описала адаптивное параллельное мышление: модель сама решает, когда ветвиться
BAIR разобрала Adaptive Parallel Reasoning: модель сама решает, когда делить рассуждение на потоки и сколько их запускать. Сравнили ThreadWeaver, ParaThinker…
Непальский текст «весил» в 3 раза больше английского — токенизатор так и не смогли это исправить до конца
Исследователи SAP научили ИИ-агентов не метаться между разными решениями одной задачи
EmbodiedLab: роботов проверили на экспериментах, и лучший решил меньше половины
S3AC возвращает критика в RL для LLM: прирост от 1.5B до 397B параметров
Work Agents: 16 исследователей собрали единую систему координат для ИИ-агентов
Обзор Work Agents описывает агента как связку модели и рабочей обвязки, вводит две оси условий работы, пять форм цифрового труда и пять семейств способностей.
От промптинга к контекст-инжинирингу: 6 рабочих техник, которые экономят часы на доводке ответа
Кириллический текст при токенизации в современных языковых моделях обходится в 2–3 раза дороже английского по числу токенов и быстрее съедает рабочее окно внимания.