#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
NEWTG: @ai_machinelearning_big_data (Machinelearning)Google научила LLM «спать»: SLEEP закрепляет знания в весах, до 10 млн токенов
Jiqizhixin (机器之心)ИИ-агенты за 24 дня формализовали 15 000 страниц доказательств и нашли дыру
arXiv cs.AIAgentOrch сравнил два типа агентов: разрыв Global и Step-by-Step сократился на 79%
arXiv cs.CLSLICE-Mem: память LLM-агентов без генерации режет расход токенов на 92–99%
Latent Space (swyx)Goodfire: агентный анализ расшифровал нейроны, которые считали хаосом
arXiv cs.LGМодели учатся на лету: один шаг SGD даёт −8% loss и обходит 32k контекста
arXiv cs.CLWhoWins: первая строка промпта побеждает в конфликтах в 72–95% случаев
Anthropic ResearchAnthropic выяснила: эксперты идут за мнением агента в 86% спорных выборов
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…
Модели учатся на лету: один шаг SGD даёт −8% loss и обходит 32k контекста
Динамическая оценка снижает loss на 5–8% у softmax-моделей, на 17–20% у DiffusionGemma-26B и почти ничего не даёт гибридам с Gated-DeltaNet. Фактов в веса она не…
WhoWins: первая строка промпта побеждает в конфликтах в 72–95% случаев
Anish Laddha с соавторами проверили 14 открытых моделей на 1,9 млн ответов: позиция инструкции в промпте часто важнее статуса system-сообщения, а конфликты почти не…
Обзор из 12 авторов описал, как доверять ИИ, который сам себя улучшает
Work Agents: 16 исследователей собрали единую систему координат для ИИ-агентов
От промптинга к контекст-инжинирингу: 6 рабочих техник, которые экономят часы на доводке ответа
MLE-World предсказывает исход ML-эксперимента без запуска: 77,9% точности
VibeVideoBench: агенты пишут видео кодом, и лучший справляется в 76,3% задач
Новый бенчмарк проверяет, могут ли ИИ-агенты за час собрать готовое видео со звуком только кодом. GPT-6 Astra и Claude Opus 5.5 впереди, но без ошибок не обходится…
OpenAI выложила 719 математических рукописей, и учёные требуют их проверки
OpenAI опубликовала на GitHub 719 математических рукописей. Математики говорят, что часть из них не проверена, и сомневаются в заявлении о задаче Навье — Стокса.
DSReg привязывает скрытые переменные JEPA к реальным причинам данных
Веса LLM заменяют рецептом: как 16 ГБ матриц пытаются свернуть в формулы
Синтезированный голос прочитал роман за 1 ч 58 мин, а ломалась обвязка
Цинхуа научил роботов репетировать действия: ParallelWorld поднял успех с 56% до 83%
Harvard, Berkeley и NVIDIA ищут Scaling Law для роботов: +37,4 пункта на пяти бенчмарках
Команда Harvard, UC Berkeley и NVIDIA исследовала масштабирование для робототехники и в среднем обошла прежние подходы на 37,4 пункта на пяти бенчмарках.
Fudan NLP выпустила ассистента A5, который помнит стиль и сам берётся за дела
Команда Fudan NLP представила проактивного ассистента A5: он сохраняет настроенный стиль между диалогами и сам напоминает о задачах, не дожидаясь запроса…