#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
Судья EditAgent от Adobe выбирает годную правку в 81,3% случаев против 74,8% у EditScore
Adobe Research и UC San Diego собрали агента для правки фото: он пробует разные инструменты параллельно, а обычная LLM выбирает лучший вариант по замерам и точнее…
Автор с Хабра дообучил YOLOv8l на рентгенах зубов и довёл mAP50 до 0,642
YOLOv8l обучили на панорамных снимках зубов за 29,3 минуты на одной A100: mAP50 на валидации DENTEX составил 0,642, а ретинированные зубы находятся с AP50 0,961.
Тест 16 моделей на 7 поисковиках: Exa дал в среднем 10,5 балла из 14, SearXNG — около 3
Автор Хабра выяснил, как 16 моделей ищут данные о Битрикс24 через 7 инструментов. Exa набрал 10,5 балла из 14, а победителем стал MiMo v2.6 Pro без единой выдумки.
В IBM показали: вопросы клиенту повысили точность смарт-контрактов по транзакциям до 72,9%
Метрика Seq@K на 7 бенчмарках и 16 моделях меняет рейтинг ИИ при обратной связи
SciGame проверил пять LLM-агентов: знакомые формулы мешают находить изменённые законы
Публичный набор AA-Omniscience v1.1 совпал с закрытым по Net Score с корреляцией 0,99
Artificial Analysis выпустила AA-Omniscience v1.1: Net Score в среднем снизился на 2 пункта
В обновлённом бенчмарке AA-Omniscience v1.1 итоговый балл Net Score у моделей в среднем ниже примерно на 2 пункта, а корреляция Спирмена порядка с v1 — 0,98.
Hyperflow H3 занял 5-е место в AA-Video-I2V и 3-е в AA-Video-Editing
Открытый 8-шаговый адаптер Video Rebirth для MiniMax H3 занял 5-е место по генерации видео из картинки и 3-е по редактированию, а стоит меньше половины цены…
Mistral выложила Large 4 с открытыми весами: 1 трлн параметров, 52 млрд активных
Tencent выложила в опенсорс world model Hy-Nomas: 18,5 FPS на 8×B200 с полной историей
243 тысячи текстов для маленькой модели на 29 млн параметров: как автор отобрал данные из Википедии и книг по психологии
Шум в эмбеддингах не защищает данные: 100 известных пар раскрывают ~90% документов
Доказательства Lean для кода на ИИ рассыпаются после рефакторинга в 13–27% случаев
Исследователи проверили, выживают ли формальные доказательства корректности кода после безобидного рефакторинга программы. Оказалось, что доказательства от…
Т-Тех придумал метод LIMe: языковую модель обучают на 15% дешевле по вычислениям
Исследователи Т-Теха дали каждой голове внимания доступ к ранним слоям трансформера. На моделях с миллиардом параметров LIMe достиг той же ошибки обучения, что и…