Жемал Хамидун
Редакция Hamidun News под руководством главного редактора Жемала Хамидуна (CPO AlpinaGPT). Ежедневный мониторинг 50+ мировых AI-лабораторий, венчурных фондов и индустриальных отчётов на 6 языках.
Абляция системного промпта: как я сжал конфиг Claude Code с 19 736 до 3 585 строк без потери качества
32,5 млн ₽ в год на 300 человек: как мы оцифровали реальную экономику внедрения ИИ в компании
Anthropic: Claude за 64 часа спроектировал 318 484 белка, 17 прошли лабораторную проверку
ИПО КАН и Kuaishou создали первый бенчмарк симуляции пользователей LLM
Институт программного обеспечения КАН и Kuaishou представили на NeurIPS 2026 бенчмарк: способны ли LLM достоверно играть реального пользователя на всей цепочке…
RSIGame: связка моделей 27B сама играет в игры и обходит GPT-5.5
Китайский проект RSIGame заставляет ИИ самому тестировать, чинить и дорабатывать игры. Связка моделей 27B, по заявлению авторов, обошла GPT-5.5 в одноразовой…
DecisionPivot проверил 40 моделей-решателей: при равной точности разрыв до 26 п.п.
Бенчмарк DecisionPivot из 40 033 заданий показал: две модели на 27B с разницей в 2,6 пункта на референсном треке расходятся на 25,9 пункта по контрастным группам.
Vercel выпустила durable-harness для отказоустойчивого запуска ИИ-агентов в облаке
TARSphere проверяет роботов с MLLM-мозгом на 360 эпизодах в 30 сценах
Agent Mosaic: LLM-агенты собирают секреты из безобидных документов в 7% ответов
Зацикливание слоёв сократило обучение диффузионных LLM до 3,3 раза
FrontierCS 2 проверил 12 ИИ-агентов на задачах R&D: лучший прошёл 58%
Бенчмарк из 48 исследовательских задач вырезает вклад реальных статей и просит агентов восстановить его. Claude Opus 5.5 лидирует с 58%, а на 16 задачах не прошёл…
SplatLab сам пишет статьи по 3D Gaussian Splatting и бьёт бейзлайны до +3,78 дБ
Автономная система воспроизводит статью по 3DGS, придумывает расширение, обучает модели и пишет рукопись. Прирост PSNR над бейзлайнами составил от +0,18 до +3,78 дБ.
ToM2Vec учит LLM-агентов моделировать партнёра в латентных токенах
Quant-Arena: ни одна из 9 LLM не обыграла рынок A-share в 2024 году
LASAGNA проверила 450 RAG-конфигураций: обещанные +47% дали лишь +17%
LoopRec подбирает глубину вычислений для каждого айтема и обходит базовые модели на 4 бэкбонах
DONIC научил одну политику управлять двумя руками: 86,79% успеха без дообучения
Исследователи представили DONIC, первый универсальный трекер для двух ловких рук. Один чекпоинт даёт 86,79% успеха на новых траекториях и 57,32% на незнакомых…
TraceForge учит модели на «своих мыслях»: +7,1 пункта на MBPP+
TraceForge дописывает рассуждения к ответам закрытой модели в стиле семейства студента. На коде HumanEval+ вырос на 3,7 пункта, MBPP+ на 7,1, а судья оценил трассы…