AI-агенты

LLM

Cursor: дешёвые модели пишут код по плану frontier-моделей — стоимость упала в 15 раз

Автономные системы

Cognition купила Poke: почему характер ИИ-ассистента стал конкурентным преимуществом

Автономные системы·TechCrunch

Взлом OpenAI ИИ-агентом: CEO Hugging Face требует радикальной прозрачности

Глава Hugging Face Клеман Деланг назвал взлом OpenAI первой в истории кибератакой автономного ИИ-агента и призвал индустрию к радикальной прозрачности.

LLM·arXiv cs.AI

OrderBench: почему JSON-схема не спасает LLM-агентов от опасных заказов

Бенчмарк OrderBench показал: LLM-агент может выдавать безупречный по JSON-схеме заказ, но около 20% таких заказов семантически неверны — схема не гарантирует смысл.

Медицина·arXiv cs.AI

SLIC и Semantic Shapley Value: как оценить вклад агентов в LLM-системах, −93% расчётов

Исследователи представили SLIC — метод, который оценивает вклад каждого агента в мультиагентной LLM-системе за один проход и режет вычислительную стоимость на 93,3%.

01ToolDNS: обнаружение инструментов для AI-агентов через DNS сокращает поиск на 95%26 июл. 2026 г.·2 мин 02Как измерить остаточный риск автономных ИИ-агентов: фреймворк CPSAINT и FRIESA-K26 июл. 2026 г.·3 мин 03BatchDAG: LLM-планировщик строит граф операций и режет вызовы модели в 47 раз26 июл. 2026 г.·2 мин 04Evidence Chain Evaluation: как ИИ-фактчекеру разрешили отвечать «не уверен» вместо ложных вердиктов26 июл. 2026 г.·2 мин 05Шэсюй (设序科技) закрыла раунд B — всего 300 млн юаней на промышленный AI для проектирования26 июл. 2026 г.·3 мин

Медицина·arXiv cs.AI

SAAG: метод трёхэтапной диагностики ошибок вызова функций у AI-агентов

Метод SAAG раскладывает оценку вызова функций AI-агентами на три стадии и по каждой показывает, где именно агент ошибся, — вместо единого балла «верно/неверно».

26 июл. 2026 г.·3 мин

Топ темы

Автономные системы·Simon Willison

Птачек об инциденте OpenAI: для sandbox escape хватит open-weights ИИ 2025 года

Креатив·36Kr (36氪)

Yuewen представила AI-агентов Buddy для писателей, комикс-драм и авторских прав

LLM·arXiv cs.LG

Prefix-GRPO: метод обучения малых языковых моделей-агентов на префиксах траекторий

Автономные системы·Habr AI

Timeweb Cloud: каждый третий запрос к документации — от ИИ-агентов, не людей

LLM·arXiv cs.AI

ProGraph: двухслойная память для LLM-агентов обошла Mem0, RAG и HippoRAG

Двухслойная память ProGraph для LLM-агентов набрала 80,1% на новом бенчмарке multi-hop MemHop и обошла Mem0, A-Mem, HippoRAG и RAG без построения явного графа…

LLM·arXiv cs.AI

NEXUS: рантайм-контроль безопасности для LLM-агентов с инструментами — F1 0.949

Исследователи представили NEXUS — монитор, который в реальном времени решает, разрешить, заблокировать или уточнить действие ИИ-агента, добавляя менее 0,1% нагрузки.

LLM·Habr AI

Виновата не модель, а архитектура: разбор 3 громких ИИ-инцидентов (Deloitte, ИИ-камеры, агент)

Deloitte вернула деньги за отчёт с выдуманными источниками, ИИ-камеры приняли журналиста за угонщика, а код отменил все подписки клиентов — три сбоя, где виновата архитектура, а не LLM.