Все новости
11860
Recursia обошла Nvidia ASPIRE на длинных задачах роботов на 10 пунктов
Метод Recursia в парадигме Embodied RSI решает проблему zero-shot обобщения роботов. На длинных многошаговых задачах он опережает Nvidia ASPIRE 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…

semCER взвешивает ошибки OCR по тяжести: 61 млн оценок LLM-судьи

SAE на Gemma-2-2B: доля совпавших признаков выросла с 2% до 29% при 50M токенов

REASON учит модель думать в два контура и экономит около половины вычислений

AA-Robotics v0.1: GPT-6 Astra управляет роботом-рукой на 69 баллов из 100

MULTIFINGROUND: LLM узнают бухгалтерские понятия на 99%, но теряют факты
Новый бенчмарк на отчётности 90 эмитентов: модели распознают концепт с точностью до 99,4%, но в 26,6–41,9% случаев пропускают хотя бы одно связанное число.

Interlock учит агентов доводить задачи до конца: до +6,64 балла на JobBench
Фреймворк Interlock синтезирует длинные задачи для LLM-агентов. Дообучение двух моделей Qwen3.6 на собственных траекториях дало +4,00–4,50 п.п. на AutomationBench.

Modal привлекла $750M при оценке $15,75 млрд и вышла на $1 млрд run rate

Команды агентов за $155 вместо $510: Cohere нашла, где делегировать работу выгодно

WinARDet лечит зацикливание MLLM-детекторов: F1 вырос с 32,16 до 39,36

GAFU достаёт знания из генерации в UMM и поднимает VStar-Bench на 20%

SliderEdit++ сглаживает ползунки в ИИ-редакторах: +18,5% и ускорение до 20 раз
Исследователи представили SliderEdit++ и бенчмарк SlideBench: метод выравнивает траекторию правки, улучшает общий балл на 18,5% и работает в 3–20 раз быстрее…

JockeyBench: 28 конфигураций LLM-агентов проиграли на скачках в Японии
Исследователи из HKUST проверили LLM-агентов на 324 японских скачках. Семь конфигураций улучшили прогноз, но все 28 ушли в минус по средней прибыли.









