#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
TraceForge учит модели на «своих мыслях»: +7,1 пункта на MBPP+
TraceForge дописывает рассуждения к ответам закрытой модели в стиле семейства студента. На коде HumanEval+ вырос на 3,7 пункта, MBPP+ на 7,1, а судья оценил трассы…
Исследователи предложили рамку PAPAV: только 3 из 64 бенчмарков проверяют верификацию
Новая работа сравнивает компьютерных агентов и роботов через пять функций PAPAV. Из 64 бенчмарков прогноз последствий оценивают 5, проверку результата только 3.
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
Generalized CycleGRPO связывает описание региона и его поиск по тексту в один RL-цикл без эталонных подписей и LLM-судьи. На GroundingSuite gIoU вырос с 57,5% до…
Cohere научила 7B-модель оценивать уверенность дважды: ошибка калибровки ниже на 52,5%
Claude за 64 часа спроектировал 17 белков против токсинов скорпиона
250 субагентов против 4 потоков: почему архитектура оркестрации важнее громкого имени модели
Шесть команд из UCSB, Stanford и J.P. Morgan выпустили бенчмарк памяти агентов
九章云极 Alaya-DFlash2 ускорила декодирование GLM-5.3 в 3,41 раза
Китайский облачный провайдер 九章云极 представил Alaya-DFlash2: спекулятивное декодирование разгоняет GLM-5.3 в 3,41 раза на длинных текстах, например на документах в…
MemT 1.0 встраивает память в модель и целится в самоулучшение ИИ
Вышел MemT 1.0: память здесь должна стать встроенной способностью модели, а не внешней надстройкой. Поводом для разговора стала история с DeepSeek и исчерпанным…
Lovable запустила автоудаление «мёртвых» приложений: 60 дней тишины и корзина
Xiaohongshu ускорила индексатор разреженного внимания: DoSA вдвое снижает TTFT
Dream Labs из команды NVIDIA DreamZero привлекла $90 млн и открыла API для роботов
RLSplat учит 3D Gaussian Splatting экономить: до 4,1× быстрее и в 9,6× меньше памяти
Qwen-Audio-3.1-ASR: 30 языков, 16 диалектов и диаризация в одной модели
Qwen выпустила семейство Qwen-Audio-3.1-ASR: 30 языков, 16 китайских диалектов, диаризация с метками спикеров и понимание звука — от музыки до событий по времени.
Команда ИИ-исследователей нашла линейное внимание, которое обошло GDN2 на 1.3B
Команда постоянных ИИ-агентов с разным научным бэкграундом искала архитектуры линейного внимания и на масштабе 1.3B параметров превзошла GDN2 по языку, рассуждениям…