2026
10 564 материалов · 132 дней · 10 рубрик · в среднем 80 в день
MMVistaReason: открытый рецепт обучения 4B-модели обходит Qwen3.5-9B на 15 бенчмарках
Авторы MMVistaReason опубликовали открытый рецепт пост-обучения: MVR-4B набрала 72,8 балла на 15 мультимодальных бенчмарках и обогнала Qwen3.5-9B (Instruct).
Обзор Shengqiong Wu и Hao Fei: 600+ работ о видеомоделях как моделях мира
Команда с участием Shuicheng Yan, Ming-Hsuan Yang и Philip Torr свела понимание и генерацию видео в одну рамку и разобрала более 600 работ в 19 таблицах.
LeWorldModel проверили на чувствительность к действиям: оси расходятся на 36–42°
Авторы препринта сравнили, как LeWorldModel и симулятор реагируют на малые изменения действий. Главные оси чувствительности расходятся на 36° в Reacher и 42° в…
HiP3R собирает 3D-сцены из тысяч кадров видео без дообучения моделей
Nestor: вложенная разреженность в attention обошла MoE при равных затратах
Энкодер на 17 млн параметров выбирает инструмент за 14 мс на CPU
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
Девяносто пять процентов корпоративных внедрений ИИ не дают измеримого финансового эффекта из-за отсутствия связки между лицензиями и бизнес-процессами.
Anthropic: Claude за 64 часа спроектировал 318 484 белка, 17 прошли лабораторную проверку
Claude за 64 часа сгенерировал 318 484 дизайна белков против нейротоксина скорпиона. В эксперименте подтвердились 17 кандидатов: ИИ-фарма дошла от симуляции до…
RSIGame: связка моделей 27B сама играет в игры и обходит GPT-5.5
DecisionPivot проверил 40 моделей-решателей: при равной точности разрыв до 26 п.п.
S-Agent 2.0 научил кодинг-агента понимать 3D и обошёл SpatialClaw на 7,8 пункта
RiseHarness учит терминальных агентов чинить собственную обвязку без дообучения
Бенчмарк EvaOmni проверил 24 омни-модели: лидер набрал 79,4%, но заземление — 35,1%
Video-Point Model прогнозирует видео с нескольких камер и 3D-траектории точек
Рекурсивное самообучение и Fable 5.1: почему гонка ИИ ушла от споров об AGI в прикладную оркестрацию
Vercel выпустила durable-harness для отказоустойчивого запуска ИИ-агентов в облаке
Новый открытый фреймворк Vercel durable-harness защищает кодинг-агентов от сбоев серверов и сохраняет состояние вызовов без повторной оплаты токенов.
TARSphere проверяет роботов с MLLM-мозгом на 360 эпизодах в 30 сценах
Фреймворк TARSphere гоняет мультимодальные LLM-агенты в физическом симуляторе с NPC-людьми: 360 эпизодов, 30 сцен, 8 моделей и частые столкновения с падениями.
Agent Mosaic: LLM-агенты собирают секреты из безобидных документов в 7% ответов
Исследователи прогнали 12 240 ответов агентов и показали: даже GPT-5.6-Sol выдаёт запрещённые выводы в 7,08% случаев, а правила и грифы секретности оставляют 32,37%…
LASAGNA проверила 450 RAG-конфигураций: обещанные +47% дали лишь +17%
LoopRec подбирает глубину вычислений для каждого айтема и обходит базовые модели на 4 бэкбонах
RealMe собирает объёмное видео 2K из минимума камер через диффузию
PACE сжимает состояние линейных LLM до 4 бит и экономит треть памяти
SERA учит VLM-планировщик самоэволюции: робот набрал 51,38% на RoboMME
Исследователи превратили VLM-планировщик в робототехнического агента с редактируемой обвязкой. SERA с самоэволюцией достигает 51,38% успеха на RoboMME против 44,38%…
SpatialBrain учит замороженную VLM копить опыт: плюс на 4 из 5 бенчмарков
SpatialBrain оставляет веса VLM замороженными и добавляет 3D-память, библиотеку навыков и накопленный опыт. Итог: лучше прямых ответов на четырёх из пяти…
TraceForge учит модели на «своих мыслях»: +7,1 пункта на MBPP+
Исследователи предложили рамку PAPAV: только 3 из 64 бенчмарков проверяют верификацию
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
TenetBench: 11 из 14 LLM-конфигураций нарушают этические кодексы профессий
LEGO-SCD учится находить изменения в 3D-сценах на 17,2 FPS без ручной разметки
Метод LEGO-SCD обучается на автоматических правках 3D Gaussian Splatting и бьёт рекорды: 67,64% mIoU на PASLCD, 75,82% на CCS3D и 17,2 FPS.
Mistral представила линейку Voxtral 3: распознавание 50 языков и голосовые агенты для enterprise
Французская Mistral запустила Voxtral 3 — семейство моделей STT и TTS со сквозным голосовым пайплайном, задержкой до 500 мс и возможностью локального развертывания.
Cohere научила 7B-модель оценивать уверенность дважды: ошибка калибровки ниже на 52,5%
Метод CALIBER от Cohere учит reasoning-модель оценивать шансы до решения и после него. На BigMathDigits ECE упала с 0,059 до 0,028, AUROC составил 0,806.
250 субагентов против 4 потоков: почему архитектура оркестрации важнее громкого имени модели
Шесть команд из UCSB, Stanford и J.P. Morgan выпустили бенчмарк памяти агентов
九章云极 Alaya-DFlash2 ускорила декодирование GLM-5.3 в 3,41 раза
