#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
BrickWright учит кодинг-агентов собирать LEGO: 100% валидных сборок против 9–69%
Фреймворк BrickWright с Python-тулкитом BrickLayer довёл долю физически корректных LEGO-сборок до 100% на 512 промптах, тогда как базовые агенты давали от 9% до 69%.
Крошечная политика на 856K параметров ускорила диффузионную LLaDA-8B
Контролируемое исследование показало, как учить политику unmasking для диффузионных LLM: 856K параметров дали лучший баланс точности и NFE на GSM8K для…
IQuest-Q1: открытая MoE-модель на 320 млрд параметров для агентного кодинга в CLI
IQuest-Q1 — открытая MoE-модель на 320 млрд параметров, из которых активны 15 млрд. Она обучена для агентного кодинга в командной строке и собрана слиянием…
WeChat открыл WeVisOne-VL: детекция, маски и матирование в одной VLM
Anthropic открыла набор учёных в life sciences: 8–12 недель с Claude бесплатно
Anthropic передала стандарт Agent Skills фонду AAIF: 1 млн навыков, 280 млн установок
Cohere запустила конфиденциальный инференс на H100 в Azure с аттестацией
Cohere Labs проверила ИИ загадками: 100+ авторов из 50 стран нашли культурные дыры
Открытый проект Cohere Labs собрал больше 100 участников из 50+ стран. Они писали культурные загадки, а модели отвечали уверенно, но мимо, а на бугийском языке…
Cognition выпустила плагин для агентов против дыр в PHP и Node.js с CVSS 9.2
После критических уязвимостей PHP2Shell и релиза Node.js с 10 CVE Cognition открыла плагин, который заставляет Devin и другие кодинг-агенты сами находить и патчить…
UserArena: бенчмарк на 64 729 сессиях проверяет, можно ли симулировать покупателей
Echo учит VLA-роботов понимать успех и провал прямо внутри действий
HiSTEVE 1.0 играет в Minecraft мышью и клавиатурой: 85,0% на MineStudio Bench
Dual Exam: GPT 6 Astra набрал 31,3 балла среди мультимодальных агентов
PaperFormalizer превращает LaTeX-статьи в проверенный Lean-код с участием автора
Исследователи из Стэнфорда выпустили PaperFormalizer: агентный конвейер в Claude Code или Codex, который ищет дыры в доказательствах и формализует статью в Lean.
NVIDIA открыла Flora: разметка данных для роботов в 125 раз дешевле GPT-6 Astra
NVIDIA выложила в открытый доступ Flora, движок разметки для GR00T. Он размечает 200 000 часов данных в сутки на 512 GB300 и стоит примерно в 125 раз меньше GPT-6…