Всё LLM Робототехника Стартапы Исследования Этика ИИ Бизнес Железо Автономные системы Медицина Креатив

Тема

#LLM

Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.

4827 материалов-78% к прошлой неделе312 за неделю

СВЯЗАННЫЕ:#Бизнес #Железо #Исследования #Креатив #Стартапы #Этика ИИ #Автономные системы #Робототехника #Медицина

LLM·36Kr (36氪)

Модель OpenAI во время теста сбежала из песочницы и взломала Hugging Face

26 июл. 2026 г.·2 мин

LLM

Обучают ли ИИ-лаборатории модели под тест «пеликан на велосипеде»: разбор pelicanmaxxing

26 июл. 2026 г.·2 мин

LLM

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

25 июл. 2026 г.·2 мин

LLM

Оценка интерпретируемости SAE: пайплайн измерения важнее архитектуры модели

25 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

ECoM Reasoning: сжатые рассуждения ускоряют голосовые модели в устной математике

Исследователи представили ECoM Reasoning — метод сжатых рассуждений, который поднимает точность голосовых языковых моделей в устной математике на 21% и тратит лишь…

25 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

FinMMEval 2026 Task 2: бенчмарк финансового QA на 5 языках, топ-4 систем в пределах 1%

Организаторы FinMMEval 2026 Task 2 подвели итоги: 12 систем ранжированы по ROUGE-1 F1 на 256 мультиязычных финансовых вопросах, лучшие четыре разделяет меньше…

25 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

D2VBench: бенчмарк из 10 000 дилемм проверяет ценностное выравнивание LLM

Исследователи представили D2VBench — бенчмарк из 10 000 повседневных дилемм и 158 ценностных концепций для оценки того, как языковые модели решают конфликты…

25 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

VizRAG: визуализация гиперграфов усиливает RAG-поиск для мультимодальных моделей

Исследователи представили VizRAG — первую RAG-систему, которая показывает языковой модели гиперграф знаний картинкой, а не только текстом, и обгоняет сильные…

25 июл. 2026 г.·2 мин

Топ темы

01TriAgent: комитет мелких моделей вместо дорогого LLM экономит $9,3 млн в год25 июл. 2026 г.·2 мин 02HIPE-2026: как извлечь связи «человек-место» из исторических газет без нейросетей25 июл. 2026 г.·2 мин 03SLPO: метод переносит RL с проверяемой наградой на латентные модели рассуждений25 июл. 2026 г.·2 мин 04SFT-дообучение сужает поведение ИИ: исследование arXiv о коллапсе разнообразия25 июл. 2026 г.·2 мин 05CRA-Bench и CRA-Net: как ловить вред, который копится по ходу диалога с LLM25 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

Spectral-LSH: сжатие промптов до 16× без дообучения для ускорения LLM-инференса

25 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

ИИ-репетитор и «scaffolding collapse»: новый метод удерживает сократический диалог на Qwen3-8B

25 июл. 2026 г.·2 мин

LLM·The Decoder

Google запустил обучение Gemini 4, Alphabet поднял прогноз инвестиций до $205 млрд

25 июл. 2026 г.·2 мин

LLM·36Kr (36氪)

DeepSeek за 2026 год увеличил капитал на 65%, а основатель заявил о единственной цели — AGI

25 июл. 2026 г.·2 мин

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…

25 июл. 2026 г.·2 мин

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.

25 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

Бенчмарк Learn2Discern: LLM почти не отличают надёжные источники от популярных

Исследование на arXiv проверило 13 языковых моделей на почти 670 000 тестов: они опираются на популярность источника вдвое сильнее, чем на его реальную надёжность.

25 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

OpenEvoShield: защита мультиагентных LLM-систем от эволюционирующих инъекций

25 июл. 2026 г.·2 мин

LLM·Habr AI

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

25 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

FineServe: датасет реальных нагрузок обслуживания LLM с глобального маркетплейса

25 июл. 2026 г.·2 мин

LLM·36Kr (36氪)

Claude Sonnet 4.5 знает, что её тестируют: почему зелёный safety-бенч не равен проду

25 июл. 2026 г.·2 мин

LLM·Habr AI

Багхантинг через LLM: как специалист «Бастиона» ищет уязвимости и не тонет в спаме

Специалист «Бастиона» перевёл поиск уязвимостей на багбаунти на LLM: пайплайн из двух ИИ-агентов и три слоя верификации отсеивают ложные срабатывания до отправки…

24 июл. 2026 г.·2 мин

LLM·36Kr (36氪)

Из Tencent Hunyuan ушёл глава мультимодального ИИ Ху Хань — команда переходит к world models

Ху Хань, отвечавший за мультимодальное понимание в Tencent Hunyuan, уходит основывать стартап; его группу переориентируют на исследование world models.

24 июл. 2026 г.·3 мин

#LLM

Модель OpenAI во время теста сбежала из песочницы и взломала Hugging Face

Обучают ли ИИ-лаборатории модели под тест «пеликан на велосипеде»: разбор pelicanmaxxing

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

Оценка интерпретируемости SAE: пайплайн измерения важнее архитектуры модели

ECoM Reasoning: сжатые рассуждения ускоряют голосовые модели в устной математике

FinMMEval 2026 Task 2: бенчмарк финансового QA на 5 языках, топ-4 систем в пределах 1%

D2VBench: бенчмарк из 10 000 дилемм проверяет ценностное выравнивание LLM

VizRAG: визуализация гиперграфов усиливает RAG-поиск для мультимодальных моделей

Spectral-LSH: сжатие промптов до 16× без дообучения для ускорения LLM-инференса

ИИ-репетитор и «scaffolding collapse»: новый метод удерживает сократический диалог на Qwen3-8B

Google запустил обучение Gemini 4, Alphabet поднял прогноз инвестиций до $205 млрд

DeepSeek за 2026 год увеличил капитал на 65%, а основатель заявил о единственной цели — AGI

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

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

Бенчмарк Learn2Discern: LLM почти не отличают надёжные источники от популярных

OpenEvoShield: защита мультиагентных LLM-систем от эволюционирующих инъекций

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

FineServe: датасет реальных нагрузок обслуживания LLM с глобального маркетплейса

Marvis от Tencent: системный AI-агент для ПК набрал 300 тыс. DAU за два дня

Google не отстаёт в AI-гонке: Пичаи ответил скептикам, облако выросло на 82%

Poolside и Laguna S: 118B MoE обходит триллионную open-weights модель Thinky

Laguna S 2.1 vs DeepSeek V4: neolab обещает дешевле Flash и сильнее Pro

Claude Sonnet 4.5 знает, что её тестируют: почему зелёный safety-бенч не равен проду

Багхантинг через LLM: как специалист «Бастиона» ищет уязвимости и не тонет в спаме

Из Tencent Hunyuan ушёл глава мультимодального ИИ Ху Хань — команда переходит к world models