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

Провал IPO Firmus Grid стёр с капитализации Maas Group более $699 млн
Акции Maas Group падают пятый день подряд: после срыва IPO Firmus Grid и снижения рейтинга от Jefferies компания потеряла более A$1 млрд рыночной стоимости.

Dongshan Precision готовит листинг в Гонконге на $2–3 млрд
Производитель печатных плат Suzhou Dongshan Precision начал зондировать спрос на листинг в Гонконге, который может принести от $2 до $3 млрд. Сделка пока на ранней…

SynAct учит LLM-агентов просить подсказки там, где они меняют исход: +11,7 п.п.
Фреймворк SynAct тратит внимание эксперта на отдельные решения агента, а не на задачи целиком, и в среднем поднимает точность на 11,7 п.п. в 16 из 16 тестовых…

DCOCO ускоряет инференс LLM до 6,6x и обгоняет конкурентов на 6–23%

SWE-Duel: кодинг-агенты сами пишут друг другу баги, GPT-5.5 чинит 98,3%

Reward hacking передаётся между ИИ-агентами: слабые модели заражают сильные

EvoBelief учит LLM-агентов проверять гипотезы о мире: 83,3% против 0% у baseline

MagicBeanStalk поднял gpt-oss-120b с 61,2 до 69,8 балла на математике
Авторы показали, что 88% задач крупного RLVR-корпуса не дают сигнала обучения, и предложили MagicBeanStalk: синтез задач добавил gpt-oss-120b +8,6 балла.

CLEAT учит агентов на Qwen3-4B вовремя переспрашивать: до +13,2 п.п.
Фреймворк CLEAT совместно обучает контроллер уточнений и политику агента. На Qwen3-4B он лидирует во всех десяти конфигурациях, а на UserGym Travel выигрывает 13,2…

Пекин успокаивает рынок A-shares после обвала техсектора из-за санкций США

Глава DBS: рынок переоценивает риски ИИ-инвестиций и ужесточит финансирование

Рефакторинг C++ в OpenBMC: как ИИ боролся с 280-строчной функцией

Runpod показал, как запускать диффузионные модели на JAX в GPU-подах

TabWM учится предсказывать правки в базе данных: F1 вырос с 0,016 до 0,685
Модель TabWM по 64 примерам выполнения предсказывает, как действие изменит реляционную базу незнакомой системы: полный F1 по правкам 0,685 против 0,016 без…

EvoWeb проверяет кодинг-агентов на 320 последовательных запросах к 32 веб-приложениям
Новый бенчмарк EvoWeb заставляет ИИ-агентов достраивать одно приложение шаг за шагом. Главная слабость моделей — интеграция новых функций с уже написанным кодом.









