#Исследования
Подборка материалов по теме «Исследования»: релизы, исследования, бенчмарки, опенсорс.
LIBERO-Industry проверил 5 робо-политик на 216 заводских задачах
Новый бенчмарк LIBERO-Industry добавил конвейер, узкие окна действий и жёсткие допуски. Пять универсальных политик теряют качество по мере усложнения условий.
LLM-Attacker сравнивает атаки на split-LLM: градиенты подняли утечку до 37,77%
Фреймворк LLM-Attacker унифицирует проверку приватности split-LLM. На GPT-2 градиенты с сервера подняли точное восстановление документов с 13,71% до 37,77%.
Переписывание данных обошло DP-SGD по балансу приватности и качества
Контролируемое сравнение на синтетических медкартах с «канарейками»: файнтюнинг утекает больше всех, DP-SGD бьёт по качеству, а приватное переписывание даёт лучший…
Tsinghua представил SRHarness и MechBench: ИИ-агенты ищут формулы и механизмы
Tsinghua представила Jev-LDE: один раз правит ICL-примеры и поднимает 1-shot
Recursia обошла Nvidia ASPIRE на длинных задачах роботов на 10 пунктов
ETH и Roche научили ИИ предсказывать, где в молекуле пройдёт C–H борилирование
Метод PoS ловит ИИ-агентов в петле ложных убеждений: 36 повторов в ALFWorld
Агент в ALFWorld забыл нагреть чашку и 36 раз подряд проверял шкаф, пока не кончился бюджет действий. Новая работа называет это Belief Trapping и предлагает метод…
Ego-данные получили «всё тело»: новый путь масштабирования мировых моделей
Сбор данных для роботов уходит от дорогих платформ к лёгким форматам. Jiqizhixin разбирает идею достроить ego-записи данными о движении всего тела для world models.
ReaDy ускоряет декодирование гибридных LLM в 3,16 раза на одной B200
DAGFormer планирует связи между слоями и снижает перплексию на 17–25%
Исследователи нашли в Pythia окно в 0,4–1,1% претрейна, где перестраивается readout
semCER взвешивает ошибки OCR по тяжести: 61 млн оценок LLM-судьи
RTAformer учит модель замечать смену отношений между объектами в видео
Исследователи предложили одноэтапный трансформер RTAformer для графов сцен в видео: он отдельно моделирует устойчивость объектов и смену связей и улучшает recall на…
MolLean заставляет LLM проверять химию: выигрыш в 12 из 12 задач
Новый язык MolLean на базе Lean проверяет каждый шаг химического рассуждения модели. На Qwen3.6-27B он обошёл обычный chain-of-thought во всех 12 задачах из 8 800…