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

Инженер OpenAI спрятал «жучок» в туалетной бумаге и попался за 48 часов
Fireship рассказывает о сотруднике OpenAI, который собрал прослушку с аккаунтом ChatGPT жены, спрятал её за ТВ в переговорной руководства и был пойман через двое…

OpenAI показала, как ChatGPT делает кейтеринг-презентацию для ресторана в Торонто
OpenAI выпустила ролик о ресторане The Dumpling Prince: ChatGPT собирает презентацию для кейтеринга и запускает автоматическую рассылку клиентам. Цифр результата в…

Apple LensVLM сжимает длинный контекст агента в картинки и учит модель «зумить»
Apple представила LensVLM: контекст долгих агентских задач превращается в изображения, а модель сама увеличивает нужные фрагменты вместо работы с потерянным резюме.

Google DeepMind и Сингапур выпустили Gemma против мошенников: потери S$4 млрд

SAE-IDF сопоставляет символы разных систем и обгоняет базовый метод до 45 пунктов

ReaDy ускоряет декодирование гибридных LLM в 3,16 раза на одной B200

DAGFormer планирует связи между слоями и снижает перплексию на 17–25%

Исследователи нашли в Pythia окно в 0,4–1,1% претрейна, где перестраивается readout
Скрытые состояния модели кодируют задачу раньше, чем её выход это показывает. Разрыв связан с матрицей unembedding, которая перестраивается на 0,4–1,1% претрейна…

semCER взвешивает ошибки OCR по тяжести: 61 млн оценок LLM-судьи
Новая метрика semCER сохраняет разметку CER, но оценивает каждую ошибку распознавания LLM-судьёй. Авторы выложили 61 млн оценённых правок на 16 языках.

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

Interlock учит агентов доводить задачи до конца: до +6,64 балла на JobBench

BlenderWorld: GPT-6-Astra обошёл Opus-5 в 3D-бенчмарке, набрав 79,9 балла

RTAformer учит модель замечать смену отношений между объектами в видео
Исследователи предложили одноэтапный трансформер RTAformer для графов сцен в видео: он отдельно моделирует устойчивость объектов и смену связей и улучшает recall на…

MolLean заставляет LLM проверять химию: выигрыш в 12 из 12 задач
Новый язык MolLean на базе Lean проверяет каждый шаг химического рассуждения модели. На Qwen3.6-27B он обошёл обычный chain-of-thought во всех 12 задачах из 8 800…









