#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Графовый токен в G-Retriever оказался пустышкой: косинус 0.985–0.998
Исследователи из Sapienza показали: «графовый токен» в G-Retriever почти одинаков для любых входов, а константа без доступа к графу не уступает методу по точности.
OPTIC сжимает per-layer embeddings Gemma 4 E4B в 100 раз и сохраняет 97,8% качества
Исследователи из VILA-Lab ужали per-layer embeddings Gemma 4 E4B примерно в 100 раз: модель сохраняет 97,8% качества на семи бенчмарках, а GPU-память падает на…
HiP3R собирает 3D-сцены из тысяч кадров видео без дообучения моделей
Исследователи NTU Singapore предложили иерархический граф поз: сначала куски видео выравниваются в Sim(3), затем каждому кадру достаётся одна общая камера SE(3).
DecisionPivot проверил 40 моделей-решателей: при равной точности разрыв до 26 п.п.
S-Agent 2.0 научил кодинг-агента понимать 3D и обошёл SpatialClaw на 7,8 пункта
RiseHarness учит терминальных агентов чинить собственную обвязку без дообучения
Lafa на 8B параметров ускоряет генерацию текста в 2,54 раза без потери качества
Бенчмарк EvaOmni проверил 24 омни-модели: лидер набрал 79,4%, но заземление — 35,1%
EvaOmni требует от моделей ответ и временные интервалы доказательств. Лидер Gemini3.7-Flash набрал 79,4% точности, но на сложных задачах B.G. упал до 12,3%.
Рекурсивное самообучение и Fable 5.1: почему гонка ИИ ушла от споров об AGI в прикладную оркестрацию
Пока индустрия спорит о формулировках AGI, ведущие лаборатории замкнули петлю разработки и поставили текущие модели создавать следующее поколение нейросетей.
TARSphere проверяет роботов с MLLM-мозгом на 360 эпизодах в 30 сценах
Agent Mosaic: LLM-агенты собирают секреты из безобидных документов в 7% ответов
Зацикливание слоёв сократило обучение диффузионных LLM до 3,3 раза
FrontierCS 2 проверил 12 ИИ-агентов на задачах R&D: лучший прошёл 58%
LASAGNA проверила 450 RAG-конфигураций: обещанные +47% дали лишь +17%
Открытый фреймворк LASAGNA прогнал 450 конфигураций RAG на восьми бенчмарках: три сильные техники retrieval обещали +47% по отдельности, а вместе дали лишь +17%.
RealMe собирает объёмное видео 2K из минимума камер через диффузию
Фреймворк RealMe превращает разреженные съёмки низкого разрешения в 4D-согласованное объёмное видео 2K с помощью видео-диффузионной модели и частотного лосса в…