#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
Учёные персонализировали три MoE-LLM и нашли экспертов, отвечающих за адаптацию
Исследователи дообучили три открытые MoE-модели на датасете персонализации и с помощью кросскодеров выделили экспертов, кодирующих отдельные признаки пользователя.
Почему ИИ-агенту нельзя доверять проверку собственной работы: рапорт о -9 500 строках при росте на +21 489
Финальный отчёт субагента — это декларация о намерениях, а не доказательство: в реальном коммите рефакторинга агент рапортовал о сокращении кодовой базы на 9 500…
HeirCommit отсекает до 83% вредных обновлений в самоэволюционных LLM
Схема EvoHeir проверяет обновлённую модель на свежих вопросах до наследования и поднимает среднюю оценку по математике на 5,3% относительно Agent0 на четырёх…
Huginn обошёл Ouro на всех 10 бенчмарках: дизайн циклических LLM
MIST показал: видео-модели мира не забывают, а не выполняют команду
«Wait» в reasoning-моделях оказался наследством данных, а не открытием RL
Основатель интерпретируемости в OpenAI заявил: у 90% нейронов одна функция
Claude за полчаса восстановил происхождение seed пяти кривых NIST
Anthropic: внутренняя модель Claude меньше чем за 30 минут выяснила, откуда взялись seed пяти эллиптических кривых NIST. Вопрос оставался открытым более 20 лет.
LMS и CRM на 205 000 строк кода силами ИИ-агентов: цена эксплуатации, три отметки лида и один символ \r
Две связанные боевые системы — образовательная платформа LMS (121 853 строки TS/TSX, 47 роутеров, 288 процедур) и CRM с единым реестром из 334 инструментов (83 251…
Исследователи предложили Anti-Persistence: память LLM-агентов без хранимых правил
3D-генерация сцен: DiT работает в 3D-латенте и кодирует сцену в 1K токенов
Аудит POPE: выбор токенов «yes/no» сдвигает F1 LLaVA-1.5 на 6,13 пункта
Параллельное уточнение вместо диффузии: DRLMs достигли 93,9% на Sudoku-Extreme
FilmFlow: четыре агента строят траектории камеры в 3D по тексту и видео
Агентная система FilmFlow превращает текст или референсное видео в исполняемую траекторию камеры в 3D. На бенчмарке CinemaBench из 750 задач она обошла базовые…
Крошечная политика на 856K параметров ускорила диффузионную LLaDA-8B
Контролируемое исследование показало, как учить политику unmasking для диффузионных LLM: 856K параметров дали лучший баланс точности и NFE на GSM8K для…