#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
MCTS проиграл случайным рестартам 2,88% в планировании DAG при равном бюджете
Авторы дали MCTS и простому list scheduler с рестартами по 2048 расписаний на DAG-задачах. Дерево поиска оказалось на 2,88% хуже случайных перезапусков.
Авторы arXiv-статьи нашли пять изъянов в метриках достоверности XAI
Позиционная статья на arXiv: за десять лет объяснимый ИИ не повысил доверие к моделям, а метрики faithfulness имеют пять системных проблем. Авторы предлагают четыре…
Zebra3D ускоряет 3D-реконструкцию до 7,1× на 1024 кадрах без обучения с нуля
Гибридное внимание Zebra3D ускоряет готовые модели VGGT, HunyuanWorld-Mirror и π³ до 7,1× на 1024 видах. При разреженности 94% точность VGGT падает лишь на 1,1 п.п.
DCOCO ускоряет инференс LLM до 6,6x и обгоняет конкурентов на 6–23%
EvoBelief учит LLM-агентов проверять гипотезы о мире: 83,3% против 0% у baseline
MagicBeanStalk поднял gpt-oss-120b с 61,2 до 69,8 балла на математике
SpireBench заставил 20 LLM пройти Slay the Spire целиком: эксперты всё ещё впереди
Dream2Discern предсказывает сбои мультиагентных систем с точностью выше 90%
Аудитор Dream2Discern учится на «трудных» латентных вариантах уже записанных траекторий и дает больше 90% точности на AFTraj-2K и StepShield без новых прогонов.
TabWM учится предсказывать правки в базе данных: F1 вырос с 0,016 до 0,685
Модель TabWM по 64 примерам выполнения предсказывает, как действие изменит реляционную базу незнакомой системы: полный F1 по правкам 0,685 против 0,016 без…
DeepSeek-OCR сжимает текстовый контекст в 10 раз при точности 97%
Десять минут с ИИ снижают упорство в сложных задачах, показало исследование Беркли
Теренс Тао прочёл в Caltech лекцию «Математика 2.0» о машинных доказательствах
arXiv ограничил авторов двумя статьями в месяц из-за потока ИИ-работ
Может ли ИИ заметить «чёрную дыру» в сети до сбоя: разбор тихих потерь пакетов
Маршрутизатор выглядит исправным, но молча теряет часть пакетов. Разбираем, почему такие сбои незаметны и что может дать ИИ в их поиске.
Хеббовское обучение без backprop выродилось в k-means и проиграло по всем фронтам
Автор Habr учил скрытый слой только локальными хеббовскими правилами. Итог: правило свелось к k-means и не обогнало backprop ни по точности, ни по меткам, ни по…