Hugging Face Daily Papers
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
C3L разрывает петлю дрейфа объяснений в continual learning: 5 бенчмарков, 20+ базлайнов
Исследователи из Тель-Авива показали, что регуляризация по собственным saliency-картам закрепляет ложные корреляции, и предложили C3L с опорой на семантические концепции класса.
ReGE учит агентов на своих попытках: +9,9 п.п. без дообучения
Исследователи TIGER-Lab предложили ReGE: агент сам пишет себе план по логам прошлых попыток. GPT-5.6 Luna догоняет Sol (67,4% против 67,0%) за 28% стоимости.
ACEdit учит редактор изображений работать на своих ошибках без деградации
ACEdit применяет Self-Forcing к редактированию изображений: модель учится на своих выходах, а учитель смотрит на исходник и составную инструкцию.
Mine-Sample-Render: трёхэтапный метод разнообразной генерации
Современные генеративные модели качественны, но однообразны. MSR (Mine-Sample-Render) — подход от Microsoft Research для разнообразной генерации на этапе тестирования. Явная процедура семплирования из корпуса заменяет вс
Разреженные автоэнкодеры: парные взаимодействия подняли rank fidelity до 0,7790
Новая метрика SAR показала: признаки SAE складываются лучше случайного базиса во всех 18 настройках, но для точного steering без парных взаимодействий не обойтись.
PathFM: генерация полных траекторий временных рядов через flow matching
Исследователи Autogluon представили PathFM — модель, которая генерирует полные траектории временных рядов вместо простых точечных прогнозов. На специальном бенчмарке fps-bench модель опередила TimesFM-3 на 10,6% и генери
Правка весов без дообучения снизила долю сексистских ответов с 57,9% до 24,3%
Исследователи из AI Interpretability @ Illinois разработали метод редактирования весов моделей. Без переобучения он снизил сексизм на 33,6 пункта и повысил честность на 6+ пунктов при попытках заставить модель врать.
Dusting the Phantom: умное распределение гауссиан для динамических сцен
Команда учёных из корейских университетов решила ключевую проблему 3D Gaussian Splatting: исчезновение быстрых объектов при видеосинтезе. Две новые стратегии — поиск недовосстановленных зон и динамическое перебалансирова
DuET снижает ошибку транскрипции фортепиано в партитуру с 6,56% до 3,64%
Исследователи из Национального университета Сингапура представили DuET — трансформер для автоматической транскрипции фортепиано в ноты. На датасете Gangqinpu модель снизила ошибку с 6,56% до 3,64%.
LexFrame читает скрытые состояния LLM: когерентность 0,97 при потолке линз 0,30
Новый метод читает скрытые состояния через оставшиеся слои самой модели. На SmolLM3-3B и OLMo3-7B он даёт когерентность 0,97, а фиксированные линзы не выше 0,30–0,35.
OmniXRef: унифицированный фреймворк для редактирования видео с мультимодальными ссылками
Adobe Research представила OmniXRef — фреймворк для редактирования видео с мультимодальными ссылками. Позволяет комбинировать текст, изображения и видео для контроля движения, камеры, стиля и эффектов. На бенчмарке OmniX
Scene-Designer обучили проектировать и критиковать 3D-сцены по тексту на 50 тыс. примеров
Scene-Designer учится проектировать и критиковать 3D-сцены из текста. Два датасета по 35 и 15 тысяч примеров. Scene-Critic достигает 89% точности в сравнении сцен, превосходя GPT-5.2.
RAP собрал 25 тысяч пар статья–постер и учит ИИ верстать постеры в HTML/CSS
Новый датасет RAP содержит 25+ тысяч пар конференцных статей и авторских постеров из событий 2022–2026. Исследователи из Meituan разработали полностью автоматизированный pipeline для преобразования постеров в стилизованн
ProD предотвращает зацикливание ИИ-агентов: тест на 8 моделях (0,6B–8B)
Малые языковые модели застревают в неправильных стратегиях при решении сложных задач. Исследователи Penn State и Microsoft CoreAI предложили ProD — метод дистилляции, который штрафует зацикливание в процессе обучения, ис
ECHO: многошаговые прогнозы без пристроек и вдвое дешевле MTP
ECHO встраивает прогнозы на несколько токенов в финальный слой без вспомогательных модулей — вдвое дешевле MTP. Выигрыш на рассуждениях и коде, развёрнуто в production на 200B параметров.
UniAVC: совместный синтез аудио и видео через асимметричное расписание шума
Исследователи HKUST разработали UniAVC — первую модель для одновременного синтеза аудио и видео. Система обучается на отдельных данных каждой модальности, затем выравнивается с парными примерами и использует независимые
FineSplat: мелкие патчи и двойная группировка для детального синтеза видов
Исследователи KAIST разработали FineSplat — метод синтеза новых видов 3D сцен с мелкозернистыми патчами и двойной групповой стратегией внимания. Достигает лучших результатов при 4× меньшем количестве гауссиан благодаря к
CoworkEnv синтезирует среды для ИИ-коллег: Qwen3-VL-8B выросла с 46,6 до 64,1
CoworkEnv — новый фреймворк для обучения компактных ИИ-агентов, которые работают с инструментами в многошаговых сценариях. Комбинирует генерацию задач, валидацию и repair — результаты впечатляют: Qwen3-VL-8B-Instruct на
RoboValue проверил оценщиков действий роботов на 35 задачах и нашёл слепые зоны
Бенчмарк RoboValue охватывает 15 симуляционных и 20 реальных задач манипуляции и показывает: value-модели путают порядок шагов и плохо оценивают восстановление после сбоев.
Откуда берется физическое самообучение VLM: закон масштабирования LLM-агентов
Исследование PhysRSI-eval измеряет, как Vision-Language модели улучшаются на физических задачах манипуляции. Авторы оценили разные VLM на 18 задачах по пятимерной метрике и раскрыли, какие способности агентов лимитируют
HoloBoxing учит гуманоида боксировать за 7 минут на одной GPU
Исследователи заморозили готовый контроллер тела гуманоида и поверх него обучили компактный планировщик боксёра: около семи минут дополнительного обучения на одной видеокарте.
Alibaba DAMO выпустила RynnUnify: 16B-модель планирует видео и ведёт робота
16-миллиардная RynnUnify объединяет понимание сцены, генерацию видео и управление роботом: 51,5% успеха на 20 задачах RoboCasa365 и 46,7% на трёх реальных задачах.
RSIHub собрал 4 метода эволюции агентов в одном фреймворке: до +13,5 п.п.
Открытый RSIHub даёт общую инфраструктуру для сравнения методов самоулучшения ИИ-агентов. Максимальный прирост pass@1 в тестах составил 13,5 процентного пункта.
Easy-3Dfy собирает 3D-сцену из одного фото и обходит SAM-3Dfy
Команда Ziang Zhang разделила генерацию объектов и расчёт раскладки сцены. Easy-3Dfy обошёл SAM-3Dfy по геометрическим метрикам на Scene-Maker и 3D-FUTURE200.
LoCA объединил Sentinel-1 и Sentinel-2 и выиграл 68,8% сравнений у SatCLIP
Новый кодировщик координат LoCA строит эмбеддинги по паре (широта, долгота) с учётом двух спутниковых сенсоров. На 17 задачах он обошёл SatCLIP, GeoCLIP, GT-Loc, AlphaEarth и Copernicus-FM.
OPST: модель дообучает себя на собственных вопросах без людей
Исследователи из Google показали, что LLM улучшает рассуждение, обучаясь на сгенерированных ею же вопросах и ответах. Ни одного человеческого промпта, только описания тем.
Новый алгоритм находит равновесие Нэша в 5600 играх с точностью 1e-5
Хунбо Сун расширил метод расслоений на игры m игроков с n действиями: алгоритм сошёлся с зазором ниже 1e-5 на всех 5600 случайных экземплярах, от 2×128 до 128×2.
Hongbo Sun предложил алгоритм для вариационных неравенств: 6400 задач, 1e-5
Новый path-following алгоритм решает вариационные неравенства без монотонности и обходит особые точки через расслоение. На 6400 задачах размерности до 1024 точность 1e-5 достигнута всегда.
CRM-Agent-Bench проверил 16 ИИ-агентов: лучший строго выполнил 83,6% задач
Новый бенчмарк на 555 многошаговых CRM-задач в девяти доменах проверяет, что агент сделал с данными, а не что сказал. Строгий успех у 16 систем: от 64,32% до 83,60%.
KronLSTM от NX-AI меняет дельта-правило и стабилизирует память без нормализации
NX-AI представила KronLSTM: линейное внимание с Kronecker Delta Rule, ограниченной нормой памяти и сильными результатами на длинном контексте против DeltaNet.