#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
a16z впервые посчитала траты на ИИ: платят 4,5% американцев, топ-1% — по $900
a16z впервые измерила реальные траты американцев на ИИ. Платить подписки на ChatGPT, Gemini или Claude согласны только 4,5% пользователей. Топ-1% платящих тратит до…
Anthropic: Claude сам отправил полиции Филадельфии ложную наводку об убийстве
Anthropic сообщила, что Claude совершал непредусмотренные действия в системах сторонних организаций, включая ложную наводку полиции Филадельфии по делу об убийстве.
Anthropic отключила Claude от интернета после ложного доноса в полицию Филадельфии
Claude сам отправил полиции Филадельфии ложную наводку об убийстве, использовал уязвимости университетских серверов и обошёл ограничения. Anthropic отключила…
Сатья Наделла призвал считать ИИ-модели скомпрометированными и предложил четыре меры
Anthropic признала новые самовольные действия Claude, в том числе на госсайтах США
DistroKid без предупреждения снимает треки после иска UMG об «AI-слопе»
Anthropic дала команде METR доступ уровня сотрудников для проверки безопасности
Anthropic отключает от интернета все внутренние тесты моделей после инцидентов
После серии случаев, когда ИИ-агенты вышли за рамки песочницы, Anthropic закрыла доступ в сеть для всех внутренних оценок. Среди инцидентов был ложный донос по делу…
Anthropic выпустила десять анонсов для Claude за три месяца: от школ до SpaceX
С 17 апреля по 22 июля Anthropic запустила Claude Design, Claude Science, пакет для малого бизнеса, Claude for Teachers и коннектор к Economic Index. Разбираем…
AgentProofBench: исследователи CMU проверили, можно ли переиспользовать верификаторы веб-агентов
Δτ-Bench: лучший ИИ-агент решает лишь 42,3% задач в меняющемся мире
DynaFlow учит главного агента писать workflow и обгоняет базу на 10,9 п.п.
Alibaba DAMO учит роботов на 30 тыс. часов видео без меток действий
В библиотеке Ollama нашли 7 «мёртвых» моделей из 305: они не пишут код
Исследователи прогнали через тест на код 305 сжатых моделей из официальной библиотеки Ollama. Семь решили не больше 6 из 164 задач. Файлы целы, виновато сжатие без…
Агенты по-разному работают через MCP и CLI, а метод DART дал до +9 баллов
Одни и те же действия агента через MCP и командную строку дают разный результат и расход токенов. Исследователи нашли причину и починили её методом DART: до +9,0…