Все новости
11850
Учёные выяснили: ИИ-агенты путают старые и новые факты в памяти даже после правильного поиска
Исследователи из Магдебургского университета показали: когда память агента содержит и устаревший, и актуальный факт, модель Qwen2.5 в 55% случаев выбирает старый…
Навыки для ИИ-агентов не универсальны: слабым моделям нужна своя версия подсказки
Исследователи выяснили: инструкция-«скилл», которая разгоняет GPT-5.6 на 31 балл, может просадить слабую модель Gemma на 9 баллов. Решение — переписывать подсказки…
ИИ-агент на GPT-5.5 разобрал 2600 автотестов TravelLine за две недели
Ручной тестировщик TravelLine с агентом в OpenCode провёл аудит E2E-тестов перед миграцией на .NET: в секции Transfers 15 из 18 UI-тестов оказались дублями…
Google DeepMind нашла дефект softmax: градиент обнуляется при отрыве 16,6
pgvector против Qdrant: бенчмарк на 100 000 векторов размерности 1536
Tencent выпустила Youtu-Parsing-Omni: одна модель разбирает документы, аудио и видео
Glance: одна 9B-модель сама отбирает абзацы для RAG и обходит реранкер
Готовые ИИ-генераторы картинок научили дорисовывать любые области за малую долю затрат
Исследователи из Stony Brook и ÉTS Montréal переделали уже обученные авторегрессионные генераторы изображений в модели с любым порядком генерации. Адаптация дешевле…
JEPA на 109 млн параметров обошёл Qwen2.5-72B: выравнивание 0,184 против 0,154
Авторы доказали гипотезу платоновских представлений для JEPA: текстовый энкодер на 109 млн параметров выравнивается с vision-моделями лучше Qwen2.5-72B, 0,184…
8B-агент для iOS обошёл Gemini-3.5-Flash на UINavBench и сравнялся с Gemini-3.1-Pro
EditAgent расширил набор инструментов и обошёл последовательные правки в 78,5% сравнений
ByteDance Seed предложила расписание шага обучения AIR: итоговая ошибка на 0,01 ниже, чем при cosine
Архитектура SpecSlot снизила FID на 2,84 против JiT-CM и сэкономила 3,9% GFLOPs
AdaPRA: агент-супервайзер поднял результат ИИ в дата-сайентистских задачах на 24,5 процентиля
Исследователи из Carnegie Mellon научили ИИ-агента ловить собственные скрытые ошибки в анализе данных через адаптивные чек-листы с проверкой кода — результат на…
AOS-Bench проверил ИИ-агентов: при параллельных задачах качество падает на 13-23 пункта
Новый тест AOS-Bench показал: когда агентам на базе Claude, GPT и других моделей дают сразу несколько задач вместо одной, они теряют до 23% успешных решений…