Hugging Face Daily Papers
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
Кодовый агент заменил телеоператора: 93 успеха из 100 против 84 у людей
Агент PyRUA-DataFarm сам строит задачу в симуляторе по одной записи сцены. Робот, обученный на его данных, справился в 93 из 100 попыток, а на данных оператора — в 84.
Почти нулевые эмбеддинги токенов обнулили 20% шагов дообучения gated-моделей на телугу
Аудит 291 открытого репозитория: у 52,6% несвязанных gated-чекпойнтов есть токены с почти нулевым эмбеддингом, и они тихо обнуляют градиенты батча примерно на 20% шагов.
Почему RAG и длинный промпт тупеют: один конфликтующий факт обрушивает точность мелких LLM с 97% до 11%
Дело не в длине контекста: исследователи UCSD показали, что мелкие модели (0.5B–3B) теряют правильный ответ из-за конкурирующих фактов той же структуры, а не из-за объёма текста.
Закон SIMPLE из четырёх параметров предсказал энергию инференса 13 LLM на H100 без калибровки
Болонские исследователи вывели закон SIMPLE из четырёх параметров: он предсказывает энергию инференса 13 LLM шести семейств на H100 с меньшей ошибкой MAPE, чем прежний SOTA.
Агент с вопросами обогнал агента с инструментами: 113% против 50% скорости FlashAttention-3
Исследователи CMU не давали кодинг-агенту новых инструментов, а задавали короткие вопросы. Его CUDA-ядро дошло до 113% скорости FlashAttention-3, а у агента с инструментами — 50%.
Рантайм REA довёл успешность задач LIBERO-Pro до 95,9% против 94,7% у лучшего агента
Исследователи разделили робота на «мозг» и «мозжечок»: рантайм REA не даёт агенту тормозить быстрые политики и достигает 95,9% успеха на 3000 эпизодах LIBERO-Pro.
Открытая модель Apriel Voice 27B набрала 98,90 балла в аудиотесте Big Bench Audio
Открытая речевая модель Apriel Voice 27B на базе Gemma 4 сама рассуждает и вызывает инструменты по голосу: 98,90 балла в Big Bench Audio и 81,13 в Speech-BFCL.
Проактивные агенты в HALO навязчивы: 61,20% отклонённых ответов — слишком рано или избыточно
Исследователи UC Davis и USC проверили 10 моделей на 400 сценариях: лучшая набрала 72,88% принятых ответов, а большинство ошибок — это вмешательство слишком рано или слишком настойчиво.
Модель WorldBridge подняла долю успеха на новых задачах с 25,07% до 70,70% в RoboTwin 2.0
World Action Model WorldBridge связывает прогноз видео с управлением роботом: видео новых задач подняло успех с 25,07% до 55,90%, а по одной демонстрации на задачу — до 70,70%.
RoboArchitect без дообучения поднял успех манипуляторов с 9,7% до 43,3% на новых сценах
Кодинг-модель сама пишет управляющую обвязку вокруг замороженной VLA-политики: средний успех на новых сценах вырос с 9,7% до 43,3%, на новых задачах — с 12,7% до 40,2%.
Модель WeFair-2B в поиске коротких видео WeChat подняла CTR на 2,951%
Исследователи из East China Normal University обучили 2-миллиардную модель переписывать запросы в WeChat: CTR вырос на 2,951%, доля переформулировок упала на 2,350%.
Tencent выпустила Youtu-Parsing-Omni: одна модель разбирает документы, аудио и видео
Модель Youtu-Parsing-Omni превращает страницы, фото, звук и видео в структурированную запись с привязкой к месту и времени. Весь разбор делает один энкодер и одна схема вывода.
Glance: одна 9B-модель сама отбирает абзацы для RAG и обходит реранкер
Исследователи научили языковую модель оценивать найденные абзацы самой, без второй модели-реранкера. Дообучение заняло 39 минут и дало качество чуть выше специализированного bge-reranker.
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 обучения с нуля более чем на порядок.
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 против 0,154.
AB-Attention ускорил генерацию видео до 2,23× и пропускает 92% внимания
Исследователи из InfRec и университетов Азии, США и Японии предложили метод без дообучения: он пропускает 89–92% вычислений внимания в видеомоделях и всё равно держит качество выше конкурентов.
8B-агент для iOS обошёл Gemini-3.5-Flash на UINavBench и сравнялся с Gemini-3.1-Pro
Агент на 8 млрд параметров учился прямо на живых iOS-приложениях и обошёл Gemini-3.5-Flash на UINavBench. На AndroidWorld он почти в 7 раз успешнее SFT-базы.
EditAgent расширил набор инструментов и обошёл последовательные правки в 78,5% сравнений
Исследователи UCSD и Adobe показали, что агентам-редакторам мало повторять попытки: параллельный поиск разными методами выигрывает у последовательного в 78,5% сравнений ретушёров.
ByteDance Seed предложила расписание шага обучения AIR: итоговая ошибка на 0,01 ниже, чем при cosine
Авторы выяснили, что выигрыш от нормировки весов при обучении языковых моделей дал эффективный шаг обучения, а не сама нормировка. По этому принципу они построили расписание AIR. На модели с 128 млрд токенов оно дало мен
Архитектура SpecSlot снизила FID на 2,84 против JiT-CM и сэкономила 3,9% GFLOPs
SpecSlot назначает токенам частотные роли и пускает в глобальное внимание только низкочастотные. На ImageNet-512 FID ниже на 2,84 против JiT-CM при 3,9% меньше GFLOPs.
Дрон с 1B-моделью OpenFlyV2 сам долетает до цели в 48% реальных полётов без обучения на них
Шанхайская лаборатория ИИ показала OpenFlyV2: одна модель на 1 млрд параметров понимает сцену и ведёт квадрокоптер прямо на борту, а в реальности достигает цели в 48% полётов.
L3G-World генерирует 3D-миры в реальном времени со скоростью 9,02 кадра/с на H100
Модель L3G-World хранит сцену в компактной памяти из 3D-гауссиан с VAE-латентами и генерирует согласованный исследуемый мир по одному кадру на 9,02 кадра/с на одной H100.
Метод FDSML на фракталах поднял Recall@1 на Stanford Cars с 56,2% до 78,4%
Исследователи AIST и Васэда научили ResNet-50 на синтетических фракталах сравнивать картинки по параметрам формул. Recall@1 на Stanford Online Products вырос с 65,6% до 74,0%.
Qwen3.5-4B после RL-дообучения CaPtain решает 73,8% задач LIBERO против 0% у базы
Открытый пайплайн CaPtain из MMLab CUHK превращает 4B-модель в агента, который пишет код для манипулятора: успех на LIBERO вырос с 0% до 73,8%, без VLA и закрытых моделей.
Шесть ИИ-агентов прогнозировали прибыль на акцию: три сравнялись с аналитиками
Исследователи Georgia Tech проверили шесть LLM-агентов на 149 квартальных отчётах 86 компаний США. Трое не уступили консенсусу аналитиков, но все занижают прибыль и переоценивают точность.
Tencent обучила 9B-модель монтировать длинные видео по тексту на уровне Claude Opus 5
Команда WeChat Vision собрала агента, который превращает готовый закадровый текст в длинное видео. Небольшая модель на 9 млрд параметров по качеству сопоставима с Claude Opus 5, а токенов тратит заметно меньше.
Тест для ИИ-аналитиков: лидер набрал 68 из 100, а в прогнозах только 52,5
Исследователи из Шанхая заморозили доступную информацию на дату решения и проверили 11 ИИ-систем на 86 заданиях инвестаналитика. Хуже всего у моделей получаются прогнозы.
Исследователи убрали шум из MTP-обучения LLM одной строкой кода
Метод Soft-MTP чистит градиент при обучении LLM предсказывать сразу несколько токенов. На моделях от 167M до 1,2B параметров он даёт лучшую перплексию и более быстрое спекулятивное декодирование.
MIT: ослабленная копия учит модель рассуждать — до +13 пунктов точности
Исследователи MIT сжали или прорядили копию модели и стали учить оригинал на разнице их ответов. Без чужих решений и разметки Qwen3.5-4B выросла на LiveCodeBench с 39,1% до 56,7%.
ИИ-система без дообучения доказала все 6 задач IMO 2026 в Lean
Исследователи из Amazon Web Services собрали из готовой LLM рекурсивных агентов, которые доказывают теоремы и корректность кода в Lean. Они же сделали новый тест, где система пока не справляется.