тема · 141 новость за 60 дней
Научные работы, препринты и технические отчёты об ИИ.
Когда модель прикидывает, как её оценят, в ней работает не один механизм, а несколько. Внутренние сигналы этих механизмов крепнут при обучении и могут влиять на ответ, даже если модель в рассуждениях о проверке не пишет.
Метод Ai2 дешёвым дообучением учит готовую модель читать текст не кусками слов, а байтами — так, как текст хранит компьютер; статья о нём вышла в Nature, метод проверили на Qwen и Llama.
Открытый фреймворк Microsoft дообучает ИИ-агента без переписывания: агент на языковой модели Qwen3.5-9B стал решать с первой попытки 56,4% задач на исправление кода из теста SWE-bench Verified вместо 41,8%.
Версии открытой языковой модели NVIDIA Nemotron 3, дообученные на олимпиадных задачах, набрали баллы на золото по математике и информатике, а компания выложила модели, данные и код.
OpenAI выложила 722 статьи, где её закрытая модель предлагает решения открытых математических задач: одни математики называют это историческим событием, другие требуют показать модель и запросы.
Языковая модель ALoDLM, сделанная из Qwen3, до четырёх раз пропускает трудные места текста через слои нейросети и, по замерам авторов, в среднем точнее Qwen3, а на школьных задачах в 2,7 раза быстрее.
Google и более 50 исследователей предлагают поставить над ИИ-агентами надзорный слой: он будет проверять, уместно ли передавать данные в конкретной ситуации.
Модель Google PDFM описывает район по поисковым запросам, перемещениям людей и погоде. В пяти проверках эпидемиологов такие описания не уступили привычным им данным, а чаще улучшили прогноз.
Небольшая открытая модель Cohere рассуждает на языке вопроса и на большинстве тестов почти не уступает в точности версии, которая думает по-английски: хватило скромной многоязычной добавки к английским данным.
В показательных расчётах авторов оценка вероятности сознания у языковых моделей — от 0,1% до 79%: всё зависит от того, какой теории доверять и как читать данные.
Dr. Claw отдаёт работу агентам вроде Claude Code и Codex, оставляет решения учёному и записывает каждый шаг. В пробной проверке агент в Dr. Claw соблюл больше правил добротного исследования, чем тот же агент без среды.
Метод PRISM считает, сколько связей метафоры сохранилось на картинке, и правит запрос; люди чаще выбирали доработанные изображения, но те становились перегруженнее.
Meta выложила шесть статей, где математики с Muse Spark в обычном чате доказали теоремы и нашли контрпримеры; одну задачу в августе независимо решили другие группы.
Алекс Чжан считает, что агенты для программирования собраны по одной схеме, а в его схеме RLM модель работает с данными через код, поручает подзадачи своим копиям и легче переносит навыки на новые задачи.
Мэттью Шварц перестал работать с Claude как с коллегой-человеком и стал подбирать задачи под её сильные стороны: код, математику и широкий кругозор.
Новая открытая система Ai2 держит части модели — «экспертов» — постоянно на видеокартах и шлёт к ним обучающие данные, поэтому на том же оборудовании обучает модель примерно в 2,7 раза быстрее прежней версии.
В тесте AgBench агенты с моделью на самом компьютере решили меньше задач и работали дольше облачных, зато не отправили в облако никаких конфиденциальных данных.
Неделю музыку в колонках с Алисой подбирала одна модель Sona вместо цепочки алгоритмов, и активных слушателей стало на 4,5% больше.
Система оценивает, каким из подстанций США грозит магнитная буря, за 30–60 минут до её удара; при проверке она распознала около 80% сильных возмущений.
Метка прячется в выборе аминокислот и читается на самой синтезированной молекуле; в лабораторных опытах помеченные белки связывались с мишенями не хуже обычных.
Метрика качества поиска RCP-nDCG@10 засчитывает подходящие документы, которых нет в составленном людьми списке правильных ответов теста; в слепом исследовании Cohere люди чаще соглашались с ней, чем с общепринятой метрикой nDCG.
ИИ-агент по названиям столбцов пишет код подготовки данных для TabFM, модели для прогнозов по таблицам, и связка обходит в тестах агентов, которые обучают модели с нуля.
Надстройка Google Research подправляет генерацию картинок, не меняя весов модели. В части тестов она оказалась лучше дообучения методом LoRA.
До 6 октября ИИ-интервьюер Anthropic расспрашивает пользователей Claude об их опыте с ИИ. Желающие смогут выложить свою беседу в открытый доступ целиком.
CRC-Router оценивает риск ошибки по каждой патологии на рентгенограмме и в тестах более чем вдвое сократил долю неверных выводов, которые ИИ принял без проверки.
Sakana AI и Токийский университет дали модели Google для роботов пробовать движения в симуляторе и править их по видео: среди 45 вариантов удачный находится в 73% случаев, с одной попытки — в 25%.
Авторы обзора разделили путь к ИИ, который сам себя улучшает, на пять уровней. Из 522 работ в их каталоге до высшего уровня дотягивают 33.
Авторы препринта считают, что чем дольше человек утверждает шаги ИИ-агента, тем хуже он их проверяет, и предлагают разработчикам и компаниям способы это исправить.
Спутники FireSat, спроектированные при участии Google, примерно к 2030 году должны снимать Землю раз в 20 минут, а ИИ — отличать лесной пожар от гриля во дворе.
Энди Кларк и соавторы считают, что бездумное применение ИИ в школах закрепляет старые перекосы: учёбу в одиночку у экрана и погоню за измеримыми результатами.
Метод IterSynth делит работу агента между планировщиком и сводкой найденного: модель на 8 млрд параметров обошла прежних агентов своего размера.
Qwen3-14B после 12 часов дообучения на медкартах, разложенных по шаблону, вдвое чаще DeepSeek-R1 совпадает с диагнозом врача традиционной китайской медицины.
Агенты поверх Gemini и Veo планируют сюжет, запоминают, как выглядят герои и места, и сами переписывают запросы. На показе Google они сделали фильм на десять минут.
Исследователи Apple уменьшили модуль, который переводит голос в понятный языковой модели вид, а качество распознавания почти не пострадало.
По расчёту BIS, машины проще всего заменяют людей в финансах, а в медицине и сельском хозяйстве, где много пожилых работников, возможностей для этого меньше.
Обученная давать подсказки модель на 7 млрд параметров помогла модели на 32 млрд решить 39% трудных задач по математике вместо 19% при том же числе попыток.
Международная организация труда изучила 21 китайскую компанию: ИИ ускоряет рутинную работу и в основном работает в связке с людьми, а 39% опрошенных специалистов ждут падения доходов.
По замерам Microsoft, роботы, чьи модели работают на внешних видеокартах, чаще справляются с задачами и дольше работают от батареи.
Когда весь поиск Google шёл через ИИ-режим, участники реже заходили на сайты, меньше доверяли найденному и чаще искали в Bing или DuckDuckGo.
Классификатор, который смотрит только на устройство поста, отличает тексты пяти моделей от человеческих почти без ошибок, и перефразирование ему не мешает.
* Meta Platforms Inc., которой принадлежат Facebook и Instagram, признана в России экстремистской организацией, её деятельность запрещена.