2026
11 847 материалов · 140 дней · 10 рубрик · в среднем 85 в день
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Мы проверили 929 автоматизаций в «Альпине»: каким должно быть корпоративное обучение ИИ в 2026 году
Я допросил 6 нейросетей о себе глазами закупщика: Amazon, эзотерика, «Тело Худело» и 5 дыр, которые мы закрыли за день
Архитектор банка: в тесте METR ИИ увеличил время задач опытных разработчиков на 19%
Руководитель архитектуры российского банка объясняет, почему вероятностные ИИ-компоненты требуют не чертежей, а границ: в тесте METR опытные разработчики стали…
Автор AR-хоррора по «Вию» сделал 12 монстров в Tripo AI и ужал Чёрта до 7 880 треугольников
Автор Home Haunt сгенерировал 12 монстров из «Вия» в Tripo AI и ужал Чёрта с 38 444 до 7 880 треугольников, чтобы AR-хоррор на Unity тянул iPhone вместе с ARKit.
Claude Opus 5 собрал простые базлайны, которые добрали 95,5% разрыва до DL-моделей из Nature и Science
Исследователи Carnegie Mellon поручили Claude Opus 5 построить простые базлайны для 36 задач из Nature, Science и Cell. Медианная доля восстановленного разрыва…
Восемь LLM теряют 35–46% калибровки стратегии ответа при свободной генерации
Отключение 729 голов внимания в GPT-2-XL на 91,5% сократило дословное запоминание
BILAL-Bench: шесть из семи открытых моделей уверенно выдумывают источники в 79–95% случаев
Рой DreamTeam без менеджера написал trustcheck за $5,68 и прошёл 13 из 13 скрытых тестов
NVIDIA выпустила Nemotron 3.5 Bolt E4B на 4 ГБ и 133 токена в секунду на RTX 5070
NVIDIA открыла веса Nemotron 3.5 Bolt E4B: модель на базе Gemma 4 для RTX, Jetson и Spark занимает около 4 ГБ и на RTX 5070 выдаёт 133 токена в секунду.
EDU-Jev 4B оценивает работы учеников с точностью 67,6% и обходит коммерческие API на 9,4 п.п.
Исследователи King's College London обучили компактные модели, которые выставляют баллы и проверяют критерии за один проход, без текста. Средняя точность 4B-версии…
Поправка DLC удержала KL до on-policy обучения Qwen3 в пределах двух шумовых порогов
PathoJev-27B обошла SlideChat на 6,3 п.п. по средней точности на трёх WSI-тестах
Cosmos сгенерировал обучающее видео для дронов: mAP@50–95 детектора выросла на 10,3%
TraceSpec поднял пропускную способность DSpark для LLM-агентов на 12,5–22,6%
Верстак TSFLab повысил долю выполненных агентами задач на 20–163% в прогнозировании рядов
TSFLab — внешний «верстак» для любых кодинг-агентов, которые занимаются прогнозированием временных рядов. Он повысил долю выполненных задач на 20–163% и сократил…
Faros: в командах с ИИ-агентами медианное время ревью кода выросло на 441%
Телеметрия Faros по 22 000 разработчиков: с ИИ медианное время ревью выросло на 441%. Почему инженеры работают больше, хотя их не заставляют, и как не выгореть.
Метка «нет эталонных документов» потеряла точность с 0,68 до 0,10 на сильных ретриверах
Чем сильнее ретривер, тем чаще контекст без эталонных документов всё же содержит ответ: точность метки недостаточности упала с 0,68 до 0,10 при росте nDCG@10 с 0,18…
Ассистент Muse от Meta ведёт досье на близких и по умолчанию получает root в Ubuntu
mcp-linter нашёл 18 параметров без описаний в сервере filesystem от Anthropic
TensorFold 1.2.0 поднял пропускную способность Qwen3.8-27B на M3 Ultra на 44,2% при 16 потоках
Журналист The Verge собрал аналог Meta Muse Charm за $50 с помощью Claude Code
agent-desktop выполнил 26 из 35 задач на Mac, cua — 33, а Codex — 34
Автор @argofowl сравнил на своём Mac три агента для управления компьютером: agent-desktop отстал от cua и Codex на 7–8 задач из 35, споткнувшись на драге, canvas и…
Для Claude Code собрали 8 Skill для видео: от 244 пиксельных эффектов до монтажа
Автор @DDJCXX собрал 8 Skill для Claude Code: 244 пиксельных эффекта, 30-секундные промо, озвученные истории и черновой монтаж в DaVinci. У лидера около 2700 звёзд.
Локальные модели проиграли Opus и Codex: на MacBook 0,21 балла против 1,00 у Codex
Судья EditAgent от Adobe выбирает годную правку в 81,3% случаев против 74,8% у EditScore
Автор с Хабра дообучил YOLOv8l на рентгенах зубов и довёл mAP50 до 0,642
Тест 16 моделей на 7 поисковиках: Exa дал в среднем 10,5 балла из 14, SearXNG — около 3
OpenAI переписала правила поведения GPT: пять ценностей и цепочка приоритетов
OpenAI обновила Model Spec, публичный свод правил поведения GPT. Теперь он опирается на пять ценностей, а конфликты между OpenAI, разработчиком и пользователем…
Голосовые боты на LLM берут быстрый классификатор Jev: решение за 200–500 мс
Команды выносят из больших языковых моделей простые решения (конец реплики, смену темы, подтверждение записи) в быстрый классификатор Jev с задержкой 70–500 мс.
Защитный слой MoneyGate не пропустил ни одной из 42 мошеннических просьб к локальным ИИ
Llama 3.1 8B, Qwen 2.5 7B и DeepSeek-R1 8B на игровом ноутбуке почти не замечали обман и писали мошенникам «переведу сегодня». Слой MoneyGate остановил все 42…
Google признала: AI Mode снижает выручку поиска, акции упали на 15%
Illinois собрал 12 151 открытую задачу и проверил, сможет ли ИИ их решить
Дублирование слоёв при обучении подняло GSM8K с 12% до 19% на 3B-модели
