Все новости
10617
Абляция системного промпта: как я сжал конфиг Claude Code с 19 736 до 3 585 строк без потери качества
При переходе на новое поколение моделей старые правила в системном промпте превращаются в лишний налог на контекст и мешают агенту думать самостоятельно.
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…
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
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%…
FrontierCS 2 проверил 12 ИИ-агентов на задачах R&D: лучший прошёл 58%
SplatLab сам пишет статьи по 3D Gaussian Splatting и бьёт бейзлайны до +3,78 дБ
Обзор: роботы учатся улучшать сам процесс обучения, но доказательств пока нет
ToM2Vec учит LLM-агентов моделировать партнёра в латентных токенах
PACE сжимает состояние линейных LLM до 4 бит и экономит треть памяти
PACE квантует рекуррентное состояние гибридных LLM до четырёх бит без дообучения: на моделях 4B–35B он держится на уровне 8-битного DAMP при примерно 2/3 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%…