#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
NEWarXiv cs.AIAdaPRA поднял Qwen 80B на 24,5 пункта в data science-лидербордах
arXiv cs.AIAOS-Bench показал: агенты с разницей 0,6 пункта доставляют 54% и 68% задач
arXiv cs.LGCuraLoc ищет баги в репозиториях одним планом и тратит на 90% меньше токенов
Хабр: Машинное обучениеCNN 2015 года обошла GPT-6 Astra и Claude Fable 5.1 в диагностике рака кожи
arXiv cs.AIСтатья на arXiv пересчитала METR: ИИ замедлил разработчиков на 19–24%
TG: @ai_machinelearning_big_data (Machinelearning)Google научила LLM «спать»: SLEEP закрепляет знания в весах, до 10 млн токенов
Habr AIKeystone убрал имя модели из кода: open-source LLM-шлюз добавляет 0,64 мс
WiredWired за сутки протестировал 6 ИИ-агентов: Dots лидирует, Gemini Spark провалил обед
Статья на arXiv пересчитала METR: ИИ замедлил разработчиков на 19–24%
Соломон Шалом Лиджо предлагает мерить выигрыш от ИИ не секундомером, а «бухгалтерской книгой»: время плюс пропущенные дефекты. В GDPval потолок GPT-5 — 3,6x.
Google научила LLM «спать»: SLEEP закрепляет знания в весах, до 10 млн токенов
Google Research предложила фреймворк SLEEP: модель чередует бодрствование и сон, переносит знания из краткосрочной памяти в веса блоков MoE и работает с 10 млн…
Keystone убрал имя модели из кода: open-source LLM-шлюз добавляет 0,64 мс
Open-source шлюз Keystone на Go маршрутизирует запросы по сложности, а не по имени модели. Фолбэки, долларовые лимиты и судья на 250 мс стоят всего 0,64 мс задержки.
Nemotron 3.5 Bolt сжали до 24 ГБ: 74B-модель выдаёт 84 токена в секунду
ИБ-инженер за 7 дней собрал MCP-сервер, который пугает ИИ-агента уязвимостями
Bayer запустила мультиагентный движок на AgentCore: 80% вопросов без инженеров
Liquid AI выпустила LFM2.5-24B-A2B: агент с 2B активных параметров
PyTorch 2.15 ускорил MoE-модели на Mac в 5–6,5 раза и принёс FP8
Команда Hugging Face переписала критичные операции MPS на Metal: Qwen3.6-35B-A3B на M3 Ultra выросла с 9,4 до 61,3 токенов/с, а пик памяти Wan2.2 упал с 270 до 8…
AgentOrch сравнил два типа агентов: разрыв Global и Step-by-Step сократился на 79%
Бенчмарк на 650 корпоративных SOP и 3220 вариантах показал: заранее собранный workflow сильно приблизился к пошаговым агентам по точности, но пока их не догнал.
OpenAI выпустила Decisions API: решения агентов до 10 раз быстрее
Meta выпустила Muse Spark Open: 816B параметров и лидерство среди open-weight США
SLICE-Mem: память LLM-агентов без генерации режет расход токенов на 92–99%
Инженер Thomson Reuters запустила офлайн-агента на Qwen3.5 9B в Гималаях
Goodfire: агентный анализ расшифровал нейроны, которые считали хаосом
Nick Cammarata из Goodfire утверждает, что нейросети «уже чистые»: в 2023 году читаемыми считали около 2% нейронов, а многие знаменитые случаи полисемантичности…
aiedit прячет от ИИ-агента отдельные строки кода: 5 уровней и 857 тестов
Новичок в Python с помощью Claude написал редактор aiedit: модель видит проект, но не закрытые строки. Защиту проверяет код, а не промпт: 11 тыс. строк, 857 тестов…