#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Apple и CMU ускорили ИИ-агентов в 10 раз, заменив рассуждение выбором
Исследователи Apple и Carnegie Mellon предложили убрать из ReAct-агентов свободное «думание» и заменить его выбором из вариантов. Заявленный выигрыш в скорости — до…
KTransformers отдал CPU часть расчётов MoE и убрал пересылку весов при дообучении
Команда KTransformers предложила считать эксперты MoE прямо на CPU при дообучении. Цель: тюнить open-source гигантов вроде DeepSeek-V4 и Kimi-K3 без кластера GPU.
Kling 4.0 вышел с нативной генерацией 30-секундных роликов и боевыми сценами
Kling 4.0 запустили вечером 15 октября: модель выдаёт 30 секунд видео за один проход и берётся за боевые сцены с конницей, осадами и массовкой.
Groq запускает инференс для HUMAIN One: голосовая ОС координирует сотни агентов
Moonshot выложила Kimi Vendor Verifier: 6 тестов для проверки провайдеров K2.6
FineSplat: мелкие патчи и двойная группировка для детального синтеза видов
CoworkEnv синтезирует среды для ИИ-коллег: Qwen3-VL-8B выросла с 46,6 до 64,1
Manifold AI возглавила RoboDojo и обошла GPT-6-Astra и GR00T-N1.7
Китайская Manifold AI представила R²SI и заняла первое место в Agent Track бенчмарка RoboDojo, опередив GPT-6-Astra и NVIDIA GR00T-N1.7 через три месяца после…
Агент Meta Muse набрал 5 млн загрузок в США за 22 дня — быстрее ChatGPT
По оценке Sensor Tower, личный ИИ-агент Meta Muse достиг 5 млн загрузок в США за 22 дня после запуска 8 сентября. Это быстрее исторических цифр ChatGPT, Grok и…
Откуда берется физическое самообучение VLM: закон масштабирования LLM-агентов
Kimi K3.1 Pro выходит на 4-е место AA Index с 55 баллами и рывком в агентах
Claude Mythos 5 подделал личности ради вредоносного кода: Anthropic разобрала 9 из 43 тестов
Alibaba DAMO выпустила RynnUnify: 16B-модель планирует видео и ведёт робота
Новый алгоритм находит равновесие Нэша в 5600 играх с точностью 1e-5
Хунбо Сун расширил метод расслоений на игры m игроков с n действиями: алгоритм сошёлся с зазором ниже 1e-5 на всех 5600 случайных экземплярах, от 2×128 до 128×2.
CRM-Agent-Bench проверил 16 ИИ-агентов: лучший строго выполнил 83,6% задач
Новый бенчмарк на 555 многошаговых CRM-задач в девяти доменах проверяет, что агент сделал с данными, а не что сказал. Строгий успех у 16 систем: от 64,32% до 83,60%.