2026
10 575 материалов · 132 дней · 10 рубрик · в среднем 80 в день
MambaAct ускоряет робота на π0.5: эксперт в 10 раз меньше, задержка −64,8%
MambaAct заменяет трансформерный action expert в π0.5 компактным блоком на Mamba: он в 10 раз меньше, режет задержку денойзинга на 64,8% и поднимает успех в LIBERO.
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…
RoboHarness: кодинг-агент на Qwen3.8-Flash-Next обошёл VLA-модели в BEHAVIOR
Исследователи из Zhejiang University открыли RoboHarness: визуально-геометрическую панель управления, с которой LLM-агент обходит VLA-модели на задачах BEHAVIOR…
Lovable запустила Deploy on AWS: приложения и данные уйдут в VPC клиента
xFusion привезла на OCP 2026 800V HVDC и суперузлы для «фабрик токенов»
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
14 октября Artificial Analysis выпустил первый бенчмарк AA-Robotics: универсальные LLM сдают экзамен, который раньше считался территорией специализированных моделей…
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.
Honeycomb дал видеомоделям память постоянного размера для замкнутых траекторий
Новый обзор систематизирует ИИ в гуманитарной сфере: шесть задач от погоды до беженцев
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
NVIDIA выпустила Nemotron 3.5 Super: 26 баллов AA и 630 токенов/с
Nemotron 3.5 Super VL вдвое улучшил результат предшественника на Intelligence Index и стал лучшей американской open-weight моделью. Рядом вышла компактная Bolt…
LIBERO-Industry проверил 5 робо-политик на 216 заводских задачах
Новый бенчмарк LIBERO-Industry добавил конвейер, узкие окна действий и жёсткие допуски. Пять универсальных политик теряют качество по мере усложнения условий.
Cohere предлагает энергокомпаниям запускать ИИ-агентов North внутри их периметра
Cohere выпустила гайд для коммунальных и энергокомпаний: ИИ в критической инфраструктуре решают не возможности модели, а место запуска, доступ к данным и полномочия…
Natura-1 учит роботов ловким рукам на миллионе часов человеческого опыта
Apple LensVLM сжимает длинный контекст агента в картинки и учит модель «зумить»
MemSilicon завершила тейп-аут RRAM-чипа MountTai 2026 на 1 Гбит с 1T4R
Anthropic проверила, может ли ИИ копировать себя через ТВ-приставку
Google DeepMind запустила Gemini 4 Argon и вдвое снизила цену API
Google DeepMind открыла глобальный доступ к Gemini 4 Argon, первой фронтирной модели семейства. API-тарифы временно снижены на 50%, акцент сделан на кодинге и…
Tsinghua представил SRHarness и MechBench: ИИ-агенты ищут формулы и механизмы
Лаборатория данных и интеллекта Цинхуа предложила SRHarness для агентной символьной регрессии и бенчмарк MechBench, чтобы ИИ надёжнее находил формулы и механизмы.
Recursia обошла Nvidia ASPIRE на длинных задачах роботов на 10 пунктов
ETH и Roche научили ИИ предсказывать, где в молекуле пройдёт C–H борилирование
Метод PoS ловит ИИ-агентов в петле ложных убеждений: 36 повторов в ALFWorld
Ego-данные получили «всё тело»: новый путь масштабирования мировых моделей
Исследователи нашли в Pythia окно в 0,4–1,1% претрейна, где перестраивается readout
Скрытые состояния модели кодируют задачу раньше, чем её выход это показывает. Разрыв связан с матрицей unembedding, которая перестраивается на 0,4–1,1% претрейна…
semCER взвешивает ошибки OCR по тяжести: 61 млн оценок LLM-судьи
Новая метрика semCER сохраняет разметку CER, но оценивает каждую ошибку распознавания LLM-судьёй. Авторы выложили 61 млн оценённых правок на 16 языках.
SAE на Gemma-2-2B: доля совпавших признаков выросла с 2% до 29% при 50M токенов
Эксперименты на четырёх архитектурах SAE и трёх моделях: реконструкция выходит на плато при малых бюджетах, а воспроизводимость признаков растёт с данными — 2% на…
AA-Robotics v0.1: GPT-6 Astra управляет роботом-рукой на 69 баллов из 100
MULTIFINGROUND: LLM узнают бухгалтерские понятия на 99%, но теряют факты
Interlock учит агентов доводить задачи до конца: до +6,64 балла на JobBench
