Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
ВсёLLMРобототехникаСтартапыИсследованияЭтика ИИБизнесЖелезоАвтономные системыМедицинаКреатив

Все новости

11850
Фреймворк AICG из NC State на 50,3% снизил MAE при проверке математических ответов
Исследования·arXiv cs.CL

Фреймворк AICG из NC State на 50,3% снизил MAE при проверке математических ответов

2 нояб. 2026 г.·3 мин
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Автономные системы

Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов

2 нояб. 2026 г.·3 мин
Мы проверили 929 автоматизаций в «Альпине»: каким должно быть корпоративное обучение ИИ в 2026 году
Авторская колонка

Мы проверили 929 автоматизаций в «Альпине»: каким должно быть корпоративное обучение ИИ в 2026 году

2 нояб. 2026 г.·8 мин
Я допросил 6 нейросетей о себе глазами закупщика: Amazon, эзотерика, «Тело Худело» и 5 дыр, которые мы закрыли за день
Авторская колонка

Я допросил 6 нейросетей о себе глазами закупщика: Amazon, эзотерика, «Тело Худело» и 5 дыр, которые мы закрыли за день

2 нояб. 2026 г.·8 мин
Архитектор банка: в тесте METR ИИ увеличил время задач опытных разработчиков на 19%
Автономные системы·Habr AI

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…

2 нояб. 2026 г.·3 мин
Автор AR-хоррора по «Вию» сделал 12 монстров в Tripo AI и ужал Чёрта до 7 880 треугольников
Креатив·Habr AI

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.

2 нояб. 2026 г.·3 мин
Claude Opus 5 собрал простые базлайны, которые добрали 95,5% разрыва до DL-моделей из Nature и Science
Автономные системы·arXiv cs.LG

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…

2 нояб. 2026 г.·3 мин
Steering vectors при дообучении LLM улучшили SFT и дистилляцию на трёх сидах
Исследования·arXiv cs.LG

Steering vectors при дообучении LLM улучшили SFT и дистилляцию на трёх сидах

Steering vectors обычно управляют замороженной моделью на инференсе. Новая работа встроила их в SFT, дистилляцию и GRPO: выигрыш держится на трёх сидах, но есть три…

2 нояб. 2026 г.·3 мин
Топ темы
01FieldGuideRAG сверяет фото с эталонами в графе и обгоняет SigLIP до 16 пунктов точности2 нояб. 2026 г.·3 мин02Награда CoFiBreak научила атакующую LLM разным джейлбрейкам без потери ASR@102 нояб. 2026 г.·2 мин03Gemma-3-12b хуже находит ложь в RAG: доля обнаружений упала с 25% до 10%2 нояб. 2026 г.·3 мин04Оптимизатор FARO снизил валидационные потери GPT на 0,0136 нат на 6 из 6 сидов2 нояб. 2026 г.·3 мин05Qwen3-VL-4B после дообучения на снимках дронов стала точнее на 18,33 п.п. в тесте Drone-PUR2 нояб. 2026 г.·3 мин
Восемь LLM теряют 35–46% калибровки стратегии ответа при свободной генерации
Исследования·arXiv cs.CL

Восемь LLM теряют 35–46% калибровки стратегии ответа при свободной генерации

2 нояб. 2026 г.·3 мин
Отключение 729 голов внимания в GPT-2-XL на 91,5% сократило дословное запоминание
Этика ИИ·arXiv cs.CL

Отключение 729 голов внимания в GPT-2-XL на 91,5% сократило дословное запоминание

2 нояб. 2026 г.·3 мин
BILAL-Bench: шесть из семи открытых моделей уверенно выдумывают источники в 79–95% случаев
Исследования·arXiv cs.CL

BILAL-Bench: шесть из семи открытых моделей уверенно выдумывают источники в 79–95% случаев

2 нояб. 2026 г.·3 мин
Рой DreamTeam без менеджера написал trustcheck за $5,68 и прошёл 13 из 13 скрытых тестов
Автономные системы·Habr AI

Рой DreamTeam без менеджера написал trustcheck за $5,68 и прошёл 13 из 13 скрытых тестов

2 нояб. 2026 г.·3 мин
NVIDIA выпустила Nemotron 3.5 Bolt E4B на 4 ГБ и 133 токена в секунду на RTX 5070
Исследования·TG: @ai_machinelearning_big_data (Machinelearning)

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.

2 нояб. 2026 г.·2 мин
EDU-Jev 4B оценивает работы учеников с точностью 67,6% и обходит коммерческие API на 9,4 п.п.
Исследования·arXiv cs.CL

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…

2 нояб. 2026 г.·3 мин
ASTC сжимает контекст агента без обучения и режет Attention Pairs на 50,68%
Автономные системы·arXiv cs.CL

ASTC сжимает контекст агента без обучения и режет Attention Pairs на 50,68%

ASTC сжимает контекст долгих LLM-агентов без обучения: метод читает состояние GDN-слоёв и в лучшем случае на 50,68% сокращает Attention Pairs при той же точности.

2 нояб. 2026 г.·3 мин
Поправка DLC удержала KL до on-policy обучения Qwen3 в пределах двух шумовых порогов
Исследования·arXiv cs.LG

Поправка DLC удержала KL до on-policy обучения Qwen3 в пределах двух шумовых порогов

2 нояб. 2026 г.·3 мин
PathoJev-27B обошла SlideChat на 6,3 п.п. по средней точности на трёх WSI-тестах
Креатив·arXiv cs.CV

PathoJev-27B обошла SlideChat на 6,3 п.п. по средней точности на трёх WSI-тестах

2 нояб. 2026 г.·3 мин
Cosmos сгенерировал обучающее видео для дронов: mAP@50–95 детектора выросла на 10,3%
Робототехника·arXiv cs.CV

Cosmos сгенерировал обучающее видео для дронов: mAP@50–95 детектора выросла на 10,3%

2 нояб. 2026 г.·3 мин
TraceSpec поднял пропускную способность DSpark для LLM-агентов на 12,5–22,6%
Автономные системы·arXiv cs.CL

TraceSpec поднял пропускную способность DSpark для LLM-агентов на 12,5–22,6%

2 нояб. 2026 г.·3 мин
Надпись на снимке вызвала у дерматологического агента 55% совместных ошибок обоих каналов
Креатив·arXiv cs.CV

Надпись на снимке вызвала у дерматологического агента 55% совместных ошибок обоих каналов

2 нояб. 2026 г.·3 мин
GATS отбирает 25% токенов по LiDAR и снижает ошибку траектории L2 до 0,520 м
Креатив

GATS отбирает 25% токенов по LiDAR и снижает ошибку траектории L2 до 0,520 м

2 нояб. 2026 г.·3 мин
4B-агент Mage-VL-Cowork набрал 66,0% в OSWorld-Verified и обошёл 30B-модель
Автономные системы

4B-агент Mage-VL-Cowork набрал 66,0% в OSWorld-Verified и обошёл 30B-модель

2 нояб. 2026 г.·2 мин
Прямая оценка LLM ранжирует статьи как Elo, но отсекает 4,3% слабых работ против 66,4%
Исследования

Прямая оценка LLM ранжирует статьи как Elo, но отсекает 4,3% слабых работ против 66,4%

2 нояб. 2026 г.·3 мин
Верстак TSFLab повысил долю выполненных агентами задач на 20–163% в прогнозировании рядов
Автономные системы·arXiv cs.LG

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…

2 нояб. 2026 г.·3 мин
Faros: в командах с ИИ-агентами медианное время ревью кода выросло на 441%
Автономные системы·Habr AI

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.

2 нояб. 2026 г.·3 мин