#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
Бенчмарк SciΠvot: лучшая LLM выбирает верный план в 63,5% случаев против 73,4% у людей
Бенчмарк из 248 правок старших исследователей показал: лучшая модель выбирает верное решение в 63,5% случаев, свежий исследователь — в 73,4%. Контекст проекта…
GlobeBench: лучшая LLM предсказывает отклик среды лишь в 49,57% задач
Бенчмарк GlobeBench из 1632 задач показал: лучшая из 20 моделей, GPT-6 Astra, верно симулирует отклик среды лишь в 49,57% случаев, а 631 задачу не решил никто.
Замороженный словарь на 16 МБ сравнялся с обучаемым в малых LLM
Исследователи заменили 168 млн параметров эмбеддингов Gemma-подобной модели замороженной таблицей в 16 МБ и на трёх из четырёх бенчмарков не проиграли.
Apple LensVLM сжимает длинный контекст агента в картинки и учит модель «зумить»
Tsinghua представил SRHarness и MechBench: ИИ-агенты ищут формулы и механизмы
Tsinghua представила Jev-LDE: один раз правит ICL-примеры и поднимает 1-shot
Recursia обошла Nvidia ASPIRE на длинных задачах роботов на 10 пунктов
ETH и Roche научили ИИ предсказывать, где в молекуле пройдёт C–H борилирование
Исследователи ETH Zurich и Roche применили ИИ для прогноза сайтов C–H борилирования — шаг к быстрой доработке лидов в медицинской химии. Работа вышла в журнале…
Метод PoS ловит ИИ-агентов в петле ложных убеждений: 36 повторов в ALFWorld
Агент в ALFWorld забыл нагреть чашку и 36 раз подряд проверял шкаф, пока не кончился бюджет действий. Новая работа называет это Belief Trapping и предлагает метод…
SAE-IDF сопоставляет символы разных систем и обгоняет базовый метод до 45 пунктов
ReaDy ускоряет декодирование гибридных LLM в 3,16 раза на одной B200
DAGFormer планирует связи между слоями и снижает перплексию на 17–25%
Исследователи нашли в Pythia окно в 0,4–1,1% претрейна, где перестраивается readout
GAFU достаёт знания из генерации в UMM и поднимает VStar-Bench на 20%
Метод пост-обучения GAFU сжимает генеративные представления унифицированных мультимодальных моделей в G-токены и даёт до +20,00% к SFT на VStar-Bench.
RTAformer учит модель замечать смену отношений между объектами в видео
Исследователи предложили одноэтапный трансформер RTAformer для графов сцен в видео: он отдельно моделирует устойчивость объектов и смену связей и улучшает recall на…