#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Почему ИИ-агенты уязвимы к prompt injection и как защитить их на уровне архитектуры
Независимый эксперт Андрей Бирюков объясняет фундаментальное отличие ИИ-систем от традиционного ПО: в LLM-агентах плоскость управления и плоскость данных сливаются…
Claude Haiku 5.5 пришёл в Devin: 58,4% на FrontierCode при цене в восемь раз ниже Sonnet 5
Windsurf добавил Claude Haiku 5.5 в Devin: 58,4% на внутреннем бенчмарке FrontierCode 1.1, выше Sonnet 5, при стоимости задачи примерно в восемь раз ниже.
ИИ не отменит психолога, но переделает его рабочий день к 2028 году
К 2028 году искусственный интеллект встроится в работу психолога не как замена, а как инструмент для рутины. Помощь с дневниками, подготовкой к сессиям и…
Агенты кодинга пишут больше кода, но ревью людей съедает весь выигрыш
Python 3.15 вышел: ленивые импорты, профайлер Tachyon и JIT на 1,2x быстрее
Google выдала агентам Gemini персональные email, календари и должности в справочнике
American Express запустил фреймворк, чтобы ИИ-агенты не совершали покупки без разрешения
Arena достигла оценки $3,1 млрд и запустила Alignment Index для рейтинга ИИ-моделей
Arena привлекла $200 млн инвестиций при оценке в $3,1 млрд и представила Alignment Index — индекс честности, ранжирующий более двух десятков моделей по частоте…
Мы переоцениваем способность ИИ сказать «нет»: почему рефюзал — не решение
MIT Technology Review разбирает иллюзию безопасности от AI refusal. Компании обучают модели отказывать опасным запросам, но механизмы остаются ненадёжными. Главная…
AI-агенты: +98% pull request, но ревью задержалось на 91%. Куда уехала очередь
Oracle возит газ грузовиками к ИИ-ЦОДам, платя в 4 раза выше хаба
600 млрд токенов спустя: как управлять ИИ-агентами при декомпиляции игры
Пять техногигантов вложат $2,4 млрд в ИИ-кредиты для федеральной науки США
Брэд Смит: у молока и стиральных машин надзора больше, чем у ИИ-компаний
Президент Microsoft призвал срочно регулировать ИИ и назвал Великобританию лучшей площадкой для этого: по его словам, за молоком и стиралками следят строже, чем за…
Artificial Analysis запустила AA-PersonalityBench: 36 моделей, 30 черт, 900 вопросов
Новый бенчмарк меряет не правильность ответов, а манеру общения LLM: 30 черт, 8 индексов и 21 метрика оформления. В тесте 36 моделей, от Claude до GPT-6.