Модели рассуждения
Модели рассуждения — новый класс ИИ, который «думает» перед ответом: тратит дополнительные вычисления во время инференса, строит цепочки рассуждений и решает задачи, недоступные обычным LLM — математику, код, науку. С них началась гонка test-time compute. Здесь — все наши материалы про reasoning-модели: релизы, бенчмарки (GPQA, ARC-AGI), пределы и стоимость.
Я написал 61 тест для AI-ментора. Потом выяснилось, что тестам тоже нельзя верить
Разработчик создал 61 тест для проверки AI-ментора на учебной платформе программирования. Но стенд сам ошибался: засчитывал оборванные ответы, пропускал готовые…
LVSPM обошла VGGT в оценке поз камеры на 16–256 кадрах и не ломается на больших сценах
Новая модель LVSPM одновременно восстанавливает позы камер и синтезирует новые ракурсы по сотням снимков без калибровки, обгоняя VGGT на RealEstate10k, Co3Dv2 и…
SPLIT-RL учит VLM смотреть и рассуждать раздельно: +1,4–6,1 п.п. к GRPO
Новая схема пост-тренинга SPLIT-RL делит обучение vision-language моделей на фазы восприятия и рассуждения и обгоняет GRPO на 1,4–6,1 пункта на Qwen3-VL и…
StoreBench: LLM-агенты управляют интернет-магазином и проигрывают скрипту — 49% против 97%
Midjourney добавила Thinking Mode для V8.2 и общие папки в альфе
Midjourney тестирует Thinking Mode: кнопка Rerun (Thinking) для точности текста
Cognition выпустила SWE-2: 50% на FrontierCode при цене ниже на 64%
Как построить стабильный пайплайн на датасете Fable 5 Traces в Google Colab
Пошаговый туториал по работе с датасетом Fable 5 Traces: ручной парсинг JSONL, нормализация tool calls, аудит на секреты и обучение базового классификатора в Colab…
Thinking Machines Lab выпустила Inkling-Small: открытая MoE-модель 276B превзошла учителя
Thinking Machines Lab открыла веса Inkling-Small — мультимодальной MoE-модели на 276B параметров. При четверти размера «учителя» она превосходит его на SWE-bench…
DeepsecBench от Vercel: GPT-5.6 лидирует в поиске уязвимостей в коде приложений
Microsoft выпустила MAI-Cyber-1-Flash: 5B активных параметров и 95,95% на CyberGym
Сотрудники OpenAI, Anthropic и Google призвали власти США вмешаться в гонку ИИ
Сооснователь Thinking Machines Lab Лилиан Вэн ушла из стартапа и вернулась в OpenAI
SLPO: метод переносит RL с проверяемой наградой на латентные модели рассуждений
Исследователи представили SLPO — метод, который переносит обучение с подкреплением по итоговой награде на латентные модели рассуждений и учит их дозировать длину…
Гиперсети вместо LoRA: законы масштабирования для инъекции знаний в LLM
Гиперсеть обучают генерировать LoRA-адаптер, который загружает факты в языковую модель. Авторы впервые вывели для этого подхода законы масштабирования и собрали…