Всё LLM Робототехника Стартапы Исследования Этика ИИ Бизнес Железо Автономные системы Медицина Креатив

Тема

#LLM

Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.

3044 материалов0% к прошлой неделе0 за неделю

СВЯЗАННЫЕ:#Бизнес #Железо #Креатив #Стартапы #Этика ИИ #Автономные системы #Исследования #Робототехника #Медицина

LLM·arXiv cs.AI

OrderBench: почему JSON-схема не спасает LLM-агентов от опасных заказов

23 июл. 2026 г.·2 мин

LLM

Метод PCS: вероятностное управление steering-векторами для безопасного вывода LLM

23 июл. 2026 г.·2 мин

LLM

FindStatBench: новый бенчмарк выявил, где топовые ИИ-модели проваливают синтез кода

23 июл. 2026 г.·2 мин

LLM

PEARL: как модель на 4B обошла DeepSeek-V3.2 685B в моделировании оптимизации

23 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

Phionyx: детерминированный AI-runtime, где ответы LLM — это «показания датчиков», а не решения

23 июл. 2026 г.·2 мин

LLM

BatchDAG: LLM-планировщик строит граф операций и режет вызовы модели в 47 раз

23 июл. 2026 г.·2 мин

LLM

Thinky выпустила открытую модель Inkling 975B-A41B по лицензии Apache 2.0

23 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

Evidence Chain Evaluation: как ИИ-фактчекеру разрешили отвечать «не уверен» вместо ложных вердиктов

Исследователи представили Evidence Chain Evaluation — фреймворк проверки фактов, который воздерживается от ответа при слабых доказательствах

23 июл. 2026 г.·2 мин

Топ темы

01Бенчмарк SysAdmin измерил стремление ИИ к власти: у frontier-моделей 0–5%23 июл. 2026 г.·2 мин 02Kimi K3 — крупнейшая открытая ИИ-модель уровня Opus 4.8 по цене Sonnet 523 июл. 2026 г.·2 мин 03Модель OpenAI во время теста сбежала из песочницы и взломала Hugging Face23 июл. 2026 г.·2 мин 04Обучают ли ИИ-лаборатории модели под тест «пеликан на велосипеде»: разбор pelicanmaxxing23 июл. 2026 г.·2 мин 05Prefix-GRPO: метод обучения малых языковых моделей-агентов на префиксах траекторий23 июл. 2026 г.·2 мин

LLM·arXiv cs.LG

Оценка интерпретируемости SAE: пайплайн измерения важнее архитектуры модели

Исследование на arXiv показало: результаты сравнения интерпретируемости разреженных автоэнкодеров (SAE) определяются в основном пайплайном о

23 июл. 2026 г.·2 мин

01ECoM Reasoning: сжатые рассуждения ускоряют голосовые модели в устной математике23 июл. 2026 г.·2 мин 02FinMMEval 2026 Task 2: бенчмарк финансового QA на 5 языках, топ-4 систем в пределах 1%23 июл. 2026 г.·2 мин 03D2VBench: бенчмарк из 10 000 дилемм проверяет ценностное выравнивание LLM23 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

VizRAG: визуализация гиперграфов усиливает RAG-поиск для мультимодальных моделей

Исследователи представили VizRAG — первую RAG-систему, которая показывает языковой модели гиперграф знаний картинкой, а не только текстом, и

23 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

TriAgent: комитет мелких моделей вместо дорогого LLM экономит $9,3 млн в год

Исследователи представили TriAgent — многоагентную систему анализа финансовых настроений, где дешёвые модели заменяют облачный LLM и экономя

23 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

HIPE-2026: как извлечь связи «человек-место» из исторических газет без нейросетей

Команда DS@GT HIPE на соревновании HIPE-2026 доказала: связи «человек-место» в исторических газетах можно извлекать без больших языковых моделей — системой под 847 тысяч параметров.

23 июл. 2026 г.·2 мин

LLM·arXiv cs.CL

ИИ-репетитор и «scaffolding collapse»: новый метод удерживает сократический диалог на Qwen3-8B

23 июл. 2026 г.·2 мин

LLM

Google запустил обучение Gemini 4, Alphabet поднял прогноз инвестиций до $205 млрд

23 июл. 2026 г.·2 мин

LLM

DeepSeek за 2026 год увеличил капитал на 65%, а основатель заявил о единственной цели — AGI

23 июл. 2026 г.·2 мин

LLM

ProGraph: двухслойная память для LLM-агентов обошла Mem0, RAG и HippoRAG

23 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

NEXUS: рантайм-контроль безопасности для LLM-агентов с инструментами — F1 0.949

Исследователи представили NEXUS — монитор, который в реальном времени решает, разрешить, заблокировать или уточнить действие ИИ-агента, доба

23 июл. 2026 г.·2 мин

LLM·arXiv cs.AI

Бенчмарк Learn2Discern: LLM почти не отличают надёжные источники от популярных

Исследование на arXiv проверило 13 языковых моделей на почти 670 000 тестов: они опираются на популярность источника вдвое сильнее, чем на е

23 июл. 2026 г.·2 мин

#LLM

OrderBench: почему JSON-схема не спасает LLM-агентов от опасных заказов

Метод PCS: вероятностное управление steering-векторами для безопасного вывода LLM

FindStatBench: новый бенчмарк выявил, где топовые ИИ-модели проваливают синтез кода

PEARL: как модель на 4B обошла DeepSeek-V3.2 685B в моделировании оптимизации

Phionyx: детерминированный AI-runtime, где ответы LLM — это «показания датчиков», а не решения

BatchDAG: LLM-планировщик строит граф операций и режет вызовы модели в 47 раз

Thinky выпустила открытую модель Inkling 975B-A41B по лицензии Apache 2.0

Evidence Chain Evaluation: как ИИ-фактчекеру разрешили отвечать «не уверен» вместо ложных вердиктов

Оценка интерпретируемости SAE: пайплайн измерения важнее архитектуры модели

VizRAG: визуализация гиперграфов усиливает RAG-поиск для мультимодальных моделей

TriAgent: комитет мелких моделей вместо дорогого LLM экономит $9,3 млн в год

HIPE-2026: как извлечь связи «человек-место» из исторических газет без нейросетей

SLPO: метод переносит RL с проверяемой наградой на латентные модели рассуждений

SFT-дообучение сужает поведение ИИ: исследование arXiv о коллапсе разнообразия

CRA-Bench и CRA-Net: как ловить вред, который копится по ходу диалога с LLM

Spectral-LSH: сжатие промптов до 16× без дообучения для ускорения LLM-инференса

ИИ-репетитор и «scaffolding collapse»: новый метод удерживает сократический диалог на Qwen3-8B

Google запустил обучение Gemini 4, Alphabet поднял прогноз инвестиций до $205 млрд

DeepSeek за 2026 год увеличил капитал на 65%, а основатель заявил о единственной цели — AGI

ProGraph: двухслойная память для LLM-агентов обошла Mem0, RAG и HippoRAG

NEXUS: рантайм-контроль безопасности для LLM-агентов с инструментами — F1 0.949

Бенчмарк Learn2Discern: LLM почти не отличают надёжные источники от популярных