Жемал Хамидун
Head of AI в Alpina Digital, CPO флагманского продукта AlpinaGPT (команда ~30 человек). Основатель Vibe Academy и Hamidun Consulting, автор Telegram-канала «Готовим ИИшницу» (@jemal_hamidun).

LLM оценили перевод на 70 языковых парах: людей обходят лишь местами
Исследование проверило LLM как судей машинного перевода по схемам MQM и ESA на 70 языковых парах и данных WMT23/WMT25. Местами модели согласуются с людьми лучше…

STI-OPD: вероятностная интервенция учителя для многоуровневых агентских задач
Junnan Liu с соавторами представили STI-OPD — фреймворк дистилляции языковых моделей с адаптивной интервенцией учителя. Метод превосходит базовые подходы на всех…

MASA переосмысливает разреженное внимание LLM как аппроксимацию матриц
Авторы препринта предлагают отбирать элементы разреженного внимания по вкладу в ошибку произведения матриц, а не по величине весов. Метод встраивается в готовые…

LLM пишут планы дорожных работ для WisDOT: 14B почти не лучше 7B

Wieszcz-XIX: польский корпус до 1918 года на 3,1 млрд слов обучил модели с нуля

Diffu-LoRA учит адаптер самому решать, в каких слоях Stable Diffusion нужен ранг

GenUI-Harness поднял 4B-модель с 9,33% до 58% Pass@3 и обогнал Claude Opus 5

OpenProblemBench: GPT-6-Astra решает 14% открытых задач математики и физики
Новый бенчмарк из 82 нерешённых задач по математике и теоретической физике: лучшая модель GPT-6-Astra набрала 14,0%, полноразмерные открытые модели — 5,5–6,7%.

AgentHorizon: лучший судья GPT-5.5 набрал лишь 80,9% на длинных задачах агентов
Новый бенчмарк AgentHorizon проверяет, умеют ли LLM-судьи оценивать длинные сценарии computer-use агентов. Лучший результат — 80,9% balanced accuracy у GPT-5.5.

Исследователи доказали: раздувать AGENTS.md вредно, у файла есть предел

GUISE показал: нарративная обёртка пробивает Qwen3-1.7B в 89–96% случаев

LLM учит планировщик обходиться полиномиальной памятью и решает 1709 из 1890 задач

StoreBench: LLM-агенты управляют интернет-магазином и проигрывают скрипту — 49% против 97%

Авторы arXiv требуют заменить единую «истину» разметки пространством интерпретаций
Position paper на arXiv предлагает перестать сводить разметку к одному ответу и моделировать пространство допустимых человеческих суждений: от обучения до…

TGIT переводит короткие команды для дронов и поднимает успех навигации с 11% до 33%
Переводчик инструкций TGIT не трогает замороженный навигатор OpenFly, но возвращает успех миссий с 11,33% до 32,51% на живых человеческих командах.









