#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
2,14 млн заблокированных аккаунтов и 3,3% успешных апелляций: как устроен антифрод Claude и защита от банов
По официальному отчёту Anthropic Transparency Hub, за 2025 год компания заблокировала 2,14 млн аккаунтов (рост на 110% во втором полугодии до 1,45 млн), а из 52…
ProAS ускорил обучение LLM-агентов в 2,44 раза и довёл ALFWorld до 94,3%
Команда LINs-lab предложила ProAS: надстройку над GRPO без критика, которая точнее распределяет награду по шагам агента. На ALFWorld успех достиг 94,3%, на WebShop…
AgentProofBench: исследователи CMU проверили, можно ли переиспользовать верификаторы веб-агентов
Бенчмарк AgentProofBench на 97 задачах и 4 веб-сервисах показал: верификаторы от DeepSeek Flash и Pro сохраняются в 82/96 и 79/96 случаев, а ошибки панели…
Первая полная карта неба в УФ-диапазоне: как Claude Science заполнила пробелы 50 лет наблюдений
Qwen-Image-PE учит нейросеть дизайну: энхансер промптов дал +7,81 балла
PatEx-Gym учит ИИ-агентов искать патентные аналоги: 1 млн патентов и модель на 4B
LLM-агенты за 20 дней построили ИИ для Hearthstone Battlegrounds сильнее топ-10 игроков
Исследователи CMU научили RL-модели не лить воду: FORK поднял win rate с 22% до 74%
Награда FORK добавляет к рубричному RL цель по precision и лечит раздутые, неточные ответы: на HealthBench доля побед над базовой моделью выросла с 22,1% до 74,1%.
Mycelium: исследователи разложили бенчмарки галлюцинаций по трём осям
Julia Belikova и Elisei Rykov разобрали бенчмарки детекции галлюцинаций LLM по трём осям и предложили метрику Span Coverage F1 для оценки на уровне фрагментов…
Raspberry Pi 5 без сети: подписанный отравленный пакет знаний прошёл все проверки
RoboJev-27B определяет успех робота по 10 кадрам: AUROC 0.993 на SO-101
C3L разрывает петлю дрейфа объяснений в continual learning: 5 бенчмарков, 20+ базлайнов
Стэнфордский PhD вывел Transformer с нуля из одной задачи про память
Питтсбургский университет ищет 3D-карту внутри VLM: как модель видит комнату
Haoming Wang и Wei Gao проверяют, хранят ли визуально-языковые модели объекты комнаты как карту с отношениями соседства или просто как набор цветов и форм.
ACEdit учит редактор изображений работать на своих ошибках без деградации
ACEdit применяет Self-Forcing к редактированию изображений: модель учится на своих выходах, а учитель смотрит на исходник и составную инструкцию.