#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
Baidu открыла веса ERNIE 5.5 Flash: из 280 млрд параметров на токен работают 14 млрд (5%)
Baidu выложила веса MoE-модели ERNIE 5.5 Flash Base: из 280 млрд параметров на каждый токен работают лишь 14 млрд, около 5%, поэтому вычислений нужно меньше.
SWE-rebench открыл 13 337 починенных RL-задач: Qwen3.5-9B учится на 70% вместо 55%
SWE-rebench открыл 13 337 починенных RL-задач из GitHub на 20 языках: на 100 задачах Qwen3.5-9B стала учиться на 70 вместо 55, а ремонт стоил $0,24 на задачу.
Tencent открыла Hy-Nomas: видеомир с памятью в 720p идёт на одной RTX 4090
Tencent выложила Hy-Nomas — открытую модель, которая строит интерактивный видеомир и помнит прошлые сцены: 720p, 24 кадра в секунду, запуск на одной RTX 4090 с 24…
NVIDIA предсказывает лучшего кодинг-агента до дообучения: рейтинг совпал на 96%
INT8 почти не портит картинки, а сэмплер AB-2 побеждает Euler в 12 из 12 тестов
Ввод на амхарском в GPT-5 обходится в 6 раз дороже английского: 78 токенов против 13
Nanbeige4.3-33B догнала Qwen3.8 27B по индексу и выиграла в Terminal-Bench: 30% против 6%
Лучший ИИ-агент выполнил лишь 12% требований в новом тесте GDPx на 206 задачах
SemiAnalysis посадила агентов на восьмичасовую работу в профессиональном софте: Claude Opus 5.5 набрал 12%, Gemini 4 Carbon — 10,9% при цене втрое ниже.
Правка одной оси в весах Qwen без обучения снизила долю зацикленных ответов с 93% до 33%
Модель Astra без обучения изменила 131 072 веса Qwen3.5-0.8B: доля ответов, застрявших в бесконечном повторе, упала с 93% до 33,1%. Разбираем, почему так нельзя…
Dafny принимает 99,1% кода Opus 4.7 на HumanEval, но лишь 1,9% привязаны к спецификации
Viggle открыла две LoRA для MiniMax-H3: замена людей в видео работает от 12 ГБ видеопамяти
Почти нулевые эмбеддинги токенов обнулили 20% шагов дообучения gated-моделей на телугу
ReplayRCA: правка на последнем шаге лишает сильную модель 17,1 пункта причинного исправления
GPT-6 Astra правкой 0,016% весов подняла точность Qwen3.5-0.8B на MATH-500 с 7,9% до 48,1%
Агент теряет данные из-за размера таблицы, а не числа реплик: 92% верных ходов против 46%
Закон SIMPLE из четырёх параметров предсказал энергию инференса 13 LLM на H100 без калибровки
Проактивные агенты в HALO навязчивы: 61,20% отклонённых ответов — слишком рано или избыточно
Исследователи UC Davis и USC проверили 10 моделей на 400 сценариях: лучшая набрала 72,88% принятых ответов, а большинство ошибок — это вмешательство слишком рано…
Модель WorldBridge подняла долю успеха на новых задачах с 25,07% до 70,70% в RoboTwin 2.0
World Action Model WorldBridge связывает прогноз видео с управлением роботом: видео новых задач подняло успех с 25,07% до 55,90%, а по одной демонстрации на задачу…