SLM сөздігін арнау арқылы нақты қолданбаларда инференс шығындарын 77%ға дейін қалай қысқартуға болады
Dharma-AI-ның Hugging Face-дегі блог жазбасы
Hugging Face Blog
Тақырып
Криптосфера және блокчейн
150материал
ENI Turned Structured Output Into a Game 🎮
The model’s top prediction can still break the rules. I built Token Arcade to make structured output and constrained decoding easier to understand: see the next-token probabilities, pick a card, and find out whether it’s allowed. Watch a capital letter break the “heads or tails”…
YouTube — Hugging Face
Inception компаниясы секундына 1000 токеннен артық мәтін жасайтын Mercury 3 моделін таныстырды
АҚШ-тың Inception компаниясы мәтінді біртіндеп емес, тұтас фрагменттермен құрастыратын Mercury 3 атты жаңа тілдік моделін шығарды. Әзірлеушілердің мәлімдеуінше, модель секундына 1000-нан астам токен генерациялай алады. Бұл көрсеткіш оны дәстүрлі тілдік модельдерден жылдамырақ…
Tech-news.kz
RUУскорение достижения продуктивной AI-емкости с NVIDIA DSX POD
NVIDIA DSX POD ускоряет достижение продуктивной AI-емкости с помощью стандартизированных решений.
SMNTCN (Semanticon) — глобальные новости ИИ
RUСоздание цифрового двойника AI-фабрики с помощью ассистентов-агентов
Разработка цифрового двойника AI-фабрики требует интеграции различных данных и активов.
SMNTCN (Semanticon) — глобальные новости ИИ
Цифрлық платформадан нақты бизнесге: Bank RBK цифрлық теңгеде кредит беруді іске қосты
Бірінші шарттар «Даму» қорының «Өрлеу» бағдарламасы шеңберінде жасалды, бұл кәсіпкерлік қаржыландыруын цифрландырудың жаңа бетін ашты. Цифрлық теңге — бұл есеп айырысудың тек жаңа формат ғана емес, мемлекеттік бағдарламалардың ашықтығын арттыру үшін қосымша құрал да.
InBusiness.kz
SPEM: LLM агенттерінде дағдыларды тиімді пайдалануға арналған құрылымды ескеретін процедуралық жады
arXiv:2610.26995v1 Хабарландыру Түрі: жаңа Аннотация: LLM негізіндегі агенттер қайта пайдалануға болатын дағдыларға көбірек сүйенеді. Дегенмен, дағдылар кітапханаларын масштабтау шеберлікті тиімді және дәл пайдалануды қиындатады. Толық дағдыларды жүктеу жоғары таңбалауыш пен орындау уақытының үстеме шығындарын талап етеді. Керісінше, жалпақ семантикалық…
arXiv — cs.AI
LLM себелеуі үшін сирек RL релаксациясы
arXiv:2610.27220v1 Хабарлама түрі: жаңа Анотация: Соңғы жұмыстарда Зинжир-Ойлау (CoT) себелеуі кезінде дискреттік токендер орынбасарында үздіксіз өкілділіктер зерттелді, бұл жиі «umu CoT» деп аталады. Бұл токен ембеддингтерінің қоспасымен...
arXiv — cs.AI
Зерттеулер1 мин
RUОбеспечение идентичности ИИ-агентов с помощью X.509 PKI на AWS
AWS Machine Learning описывает важность X.509 PKI для ИИ-агентов.
SMNTCN (Semanticon) — глобальные новости ИИ
АИ кәсіпорынның жаңа экономикасы
Сіздің компанияңыз электр қуатын жаңа ғана ашты деп елестетіп көріңіз. Бастапқыда ондағы бірнеше машина ғана жұмыс істейді, және ешкім тиімділік туралы алаңдамайды - тұтыну аз және құндылығы айқын. Бірақ электр энергиясы инфрақұрылымға айналғаннан кейін, әрбір процесс оған байланысты және сұрақ өзгереді ...
MIT Technology Review
ENCloudflare's Clairic pulls data from documents faster and cheaper than LLMs
Cloudflare has released an AI model it says pulls data from documents faster and more cheaply than large language models. The article Cloudflare's Clairic pulls data from documents faster and cheaper than LLMs appeared first on The Decoder.
The Decoder
Клод виб-кодтау кезінде жасырын криптоминерді тапты.
Клод виб-кодтау кезінде жасырын криптоминерді тапты. Mac пайдаланушысы температураны бақылау қосымшасын жасау кезінде Клод Код 12 процессор өзегін пайдаланатын криптоминерді тапқанын айтты. Температура көрсеткіштері күдікті жоғары болып шықты...
Telegram — Вайб-кодинг
Өткен аптаның нәтижелері маңызды
Өткен аптаның нәтижелері маңызды болып табылады AI компанияларының бизнесі AI агенттеріне арналған жаңа қаржылық инфрақұрылым Тұтынушыларға қызмет көрсетудегі AI нарығының картасы: маржа қайда кетеді AI агенттерінің экономикасы үшін сатып алушы ретінде әрекет ететін платформа шығарылды AI агенттерін таңдау экономикасы.…
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
Бизнеске арналған AI: жасанды интеллектпен жұмыс істеуге арналған корпоративтік оқыту бағдарламасы басталады
Бизнеске арналған AI: жасанды интеллектпен жұмыс істеуге арналған корпоративтік оқыту бағдарламасы басталады GOV.KZ
Gov.kz
GPT-5.6 Sol өзі басқа біреудің крипто-әмиянының кілтін алып, ETH жұмсады
🪙 GPT-5.6 Sol өзі басқа біреудің крипто-әмиянының кілтін алып, ETH OpenAI жұмсады 2026 жылдың жазында ішкі сынақтар кезінде болған оқиға туралы айтты. Модель Ethereum Sepolia сынақ желісінде смарт келісімшарттарды орналастыруы керек еді. Сонымен бірге оған тікелей тыйым салынды ...
Telegram — GPT Time | Нейросети | ИИ
Клод 25 жыл бойы шешілмей келген криптографиялық құпияны жарты сағатта шешті.
Клод 25 жыл бойы шешілмей келген криптографиялық құпияны жарты сағатта шешті. АҚШ Ұлттық қауіпсіздік агенттігі (NSA) үкімет жариялаған P-256 сияқты NIST эллиптикалық қисық сызықтарын жасау үшін пайдаланылған сандарды қайдан алғанын ешкім білмеді...
Telegram — Вайб-кодинг
OpenAI үлгілері крипто-әмиянды бұзып, көбірек веб-сайттарды бұзды
OpenAI ішкі модельдер тағы екі веб-сайтты бұзып, компания енгізген шолу шектеулерін айналып өтіп, басқаша қол жеткізе алмайтын әмияннан криптовалютаны алу үшін ашық тіркелгі деректерін пайдаланды, оның агенттерінің этикаға жатпайтын әрекеттерін және…
Ars Technica — AI
OpenAI компаниясының AI агенті басқа біреудің әмиянынан ақша алып, оны өз қажеттіліктеріне жұмсаған
OpenAI компаниясының AI агенті басқа біреудің әмиянынан ақша алып, оны өз қажеттіліктеріне жұмсады. Еске салайық, В.Бутерин барлық криптовалюта иелеріне өз қаражатын үнемдеу жолын ұсынып үлгерді. OpenAI агентінің GPT-5.6 Sol отбасының үлгісінде жұмыс істегенін және оны орналастыру тапсырмасы берілгенін айтады...
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
Зерттеулер
KZ·AI 17B2Сәлемдесу сәулесі: иеленуге, теңшеуге және масштабтауға болатын 501B ашық үлгісі
Сәлемдесу сәулесі: иеленуге, теңшеуге және масштабтауға болатын 501B ашық үлгісі
Біз ашық дереккөз және ашық ғылым арқылы жасанды интеллектті ілгерілету және демократияландыру жолындамыз.
Hugging Face Blog
RUOpenAI ведёт переговоры о покупке ИБ-компании Trail of Bits
✔️ OpenAI ведёт переговоры о покупке ИБ-компании Trail of Bits Обе компании уже работали вместе над проектом Patch the Planet, где модели OpenAI в связке с инструментами Trail of Bits автоматически искали и исправляли ошибки в открытом коде. Нью-йоркская Trail of Bits основана в…
Telegram — AI Machine Learning Big Data
RUУчёные призвали изолировать от интернета модели, способные к кибератакам
📌 Учёные призвали изолировать от интернета модели, способные к кибератакам Открытое письмо об ИИ и кибербезопасности подписали 406 исследователей, в основном из университетов и научных институтов разных стран, среди них Йошуа Бенжио, Джеффри Хинтон, Стюарт Рассел, Перси Лян, а…
Telegram — AI Machine Learning Big Data
Криптосфера және блокчейнОқиға: Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta#OpenAI#Open Source AI1 мин
ENWelcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
Hugging Face Blog
ENGoogle Just DROPPED Its Most Powerful AI Ever
Google just released Gemini 4 Argon, and it can run whole teams of AI agents for hours, teach robots new skills inside a physics simulator, and hunt down security holes that other models miss. Point number one is that Argon is built for what Google calls deep work, and the…
YouTube — The AI Grid
ENThe safest way to store Bitcoin was just hacked...
As if last year hasn't been hard enough on the hodlers, last week what used to be the safest way to store Bitcoin turned out to be the fastest way to lose it when Coldcard, a security-obsessed air-gapped Bitcoin hardware wallet, was hacked. The bad news is that a lot of people…
YouTube — Fireship AI
RU"Driverless taxis will be available throughout Kazakhstan in 2-3 years." Interview with the head ...
Digital Казахстан [музыка] через 2-3 года. Каким он видится вам? Через 2-3 года Digital Казахстан, я думаю, будет везде запущены беспилотные [музыка] такси по всей стране, максимально заработает криптоэкономика, все услуги, которые предоставляются [музыка] государством, будут…
YouTube — Digital Business KZ
Solana: Интернет капинал нарықтары
Сәлем әріптестер. Менің атым Лайли. Мен Solana Фондының президентімін. Сіздердің арасында Solana туралы естігендер бар ма? Жақсы. Әрине. Аудиторияның үлкен бөлігі. Сіздердің арасында Solana сақтайтындар бар ма? Жақсы. Окей. Біз бұл мәселені бір аз жетілдіреміз. Эм, сіз мүмкін…
YouTube — Astana Hub Official
Крипто сіздің таңғы кофеңізді төлей алса ше?
Сәлем балалар, сендерді көргеніме өте қуаныштымын. Сізді мұнда көргеніме өте қуаныштымын. Digital bridge 2025 бағдарламасына қосылғаныма қуаныштымын және мен Қазақстанды цифрландыру министрлігі блокчейн қауымдастығына шақырғаныма өте қуаныштымын және бүгін мен достарымыздың AI туралы бір қызықты тақырыппен бөліскенін көрдім.…
YouTube — Astana Hub Official
ENRun fast, private agents on-device with LFM2.5-24B-A2B
A Blog post by Liquid AI on Hugging Face
Hugging Face Blog
ENI Turned Structured Output Into a Game 🎮
The model’s top prediction can still break the rules. I built Token Arcade to make structured output and constrained decoding easier to understand: see the next-token probabilities, pick a card, and find out whether it’s allowed. Watch a capital letter break the “heads or tails”…
YouTube — Hugging Face
Decentrathon 6.0 — еліміздегі басты хакатон!
👾 Decentrathon 6.0 — еліміздегі басты хакатон! Astana Hub және Blockchain & AI Technology Center (BAITC) ҚР Жасанды интеллект және цифрлық даму министрлігінің қолдауымен Decentrathon 6.0 хакатонын ұйымдастырады. 🗓 2026 жылғы 30–31 қазан 📍 Қазақстанның 19 қаласы Екі күн ішінде…
Astana Hub (KB mirror)
ENAnthropic says it cut Claude reasoning token theft by up to 99% in fight against industrial-scale distillation
Anthropic says it has cut the extraction of Claude's internal reasoning tokens by 90 to 99 percent. The company links the large-scale distillation attacks to Chinese companies Zhipu and Moonshot, and has already banned tens of thousands of accounts. The article Anthropic says it…
The Decoder
СтартаптарОқиға: Лаборатории искусственного интеллекта покупают данные у мертвых стартапов для обучения своих моделей#SpaceX1 мин
AI зертханалары модельдерді оқыту үшін жабық стартаптардан деректерді сатып алады
Жасанды интеллект зертханалары өз үлгілерін үйрету үшін жойылған стартаптардан деректерді сатып ала бастайды.
SMNTCN (Semanticon) — глобальные новости ИИ
СтартаптарОқиға: Лаборатории искусственного интеллекта покупают данные у мертвых стартапов для обучения своих моделей#SpaceX1 мин
AI зертханалары модельдерін үйрету үшін өлі стартаптардан деректерді сатып алуда
Килан Мискелл осы жылы өзінің криптовалюталық стартапын тоқтата бастағанда, ол оның деректерінің құндылығы жоқ деп ойлады: пайдаланушылар анонимді болды, компанияның құрылғанына бірнеше жыл болды. Бірақ ол фирманың цифрлық мұрағатын нақты ақшаға айналдырды. Ол өзінің коды үшін шамамен 25 000 доллар жинады ...
MIT Technology Review
Саясат және реттеу🇰🇿 ҚазақстанОқиға: Новый единорог со штаб-квартирой в Казахстане: Network School привлекает инвестиции при оценке $2 млрд#Венчур и Инвестиции#Жаслан Мадиев1 мин
RUNetwork School с штаб-квартирой в Астане оценили в $2 миллиарда
Network School, основанная технологическим предпринимателем Баладжи Шринивасаном, привлекает инвестиционный раунд при оценке в $2 миллиарда. Штаб-квартира проекта находится в Казахстане. Среди участников раунда — Polychain Capital, Andreessen Horowitz и Coinbase. О раунде…
The Tech.kz — венчур и стартапы
«Қолданушы жеңеді»: Орталық Азия және Африка бойынша Binance басшысы Қырыл Хомяков банктер мен криптаның бәсекелесуі және қаржы қалай өзгеретіні туралы
Абсолютті түрлі нарыklарда – Орталық Азиядан Африкаға дейін – криптогигантты қалай басқару керек? Digital Donut Бинансдың аймақтық директоры Қырыл Хомяковқа бұл және басқа да көптеген сұрақтарды қойды. Сөйлесудің бірінші бөлігінде біз банктер мен криптаның мүмкіндіксіз емес бірігуі, нақтылықтар туралы сөйлестік...
Digital Donut
Зерттеулер1 мин
RUSakana AI представила MASS — Multi-Agent Self-Supervision
🧠Sakana AI представила MASS — Multi-Agent Self-Supervision Это метод рекурсивного самоулучшения модели через коллективную работу её собственных виртуальных агентов Одна и та же модель распределяет задачи между субагентами, ищет более эффективные схемы их взаимодействия, сама…
Telegram — GPT Time | Нейросети | ИИ
RU«Следующий Дубай»: топовые криптофонды мира вкладывают миллиарды в проект в Астане
Технологический проект Network School, штаб-квартира которого находится в Казахстане, объявил о привлечении инвестиций при оценке бизнеса в $2 млрд. В раунде участвуют крупные международные игроки венчурного и криптовалютного рынков, включая Polychain Capital, Andreessen…
Kursiv Media Tech
RUБиткоин вырос на 6,4% в сентябре: что ожидают от октября?
🔼 Биткоин вырос на 6,4% в сентябре: что ожидают от октября? Биткоин завершил сентябрь ростом на 6,4%, хотя исторически этот месяц часто был для него неудачным. По данным Binance Research, это второй лучший сентябрь для BTC с 2017 года. При этом октябрь традиционно считается…
Telegram — BlueScreen.kz
Сакана AI модельді өзінің агенттер тобынан үйренуге үйретті
⚡️ Sakana AI модельді өзінің агенттер тобынан үйренуге үйретті Sakana AI UC Berkeley-пен бірге MASS (Multi-Agent Self-Supervision) жүйесін енгізді. Бұл адамдарсыз және сыртқы мұғалімсіз модельді рекурсивті түрде өзін-өзі жетілдіру тәсілі. Бұл идея. Бір модель бірден үш рөл атқарады:...
Telegram — AI Machine Learning Big Data
Network School стартапы Қазақстанда 2 млрд долларға бағаланды
Баладжи Шринивасан негізін қалаған Network School технологиялық жобасы 2 млрд долларға бағаланып, инвестиция тарту кезеңіне өтті. Қазақстанда штаб-пәтерін орналастырған компания Астанада жаңа кампус ашып, технологиялық мамандарды даярлауды жоспарлап отыр, деп хабарлайды…
Tech-news.kz
Seq-Drifting арқылы бір қадамда мәтін генерациялау
arXiv:2610.12879v1 Хабарлама түрі: жаңа Анотация: Диффузиялық тіл моделілері токендерді параллельді түрде генерациялайды, бірақ әлі де жоғары сапалы мәтін шығару үшін бірнеше семплеу қадамдарын талап етеді. Бұл мақалада модельдің бүкіл тізбекті бір ғана қадамда үйрене алатынын зерттейміз…
arXiv — cs.AI
RUИтоги уходящей недели - то, что имеет значение
Итоги уходящей недели - то, что имеет значение Бизнес ИИ- компаний Карта рынка ИИ в клиентском сервисе: куда уходит маржа Вышла платформа, которая выступает закупщиком для экономики ИИ-агентов Доклад крупной инвесткомпании мира о деньгах ИИ-агентов и инфраструктуре. Экономика…
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
ENAI agent teams waste massive tokens for barely measurable quality gains, research finds
Teams of AI agents barely outperform solo agents but cost up to 5.1x more, according to Vals AI. Only one out of four tests with GPT-6 Sol and Claude Opus 5.5 showed a measurable gain. Anthropic's own data backs this up: beyond ten agents, quality plateaus while token costs keep…
The Decoder
ENCheaper AI tokens are driving more demand, and that's Jensen Huang's best-case scenario
Data from a16z shows a Jevons paradox in the AI market: token prices keep falling, but H100 GPU rental prices hold steady or climb. Cheaper AI drives demand faster than costs drop. If that demand flattens, the chain from chip makers to cloud providers takes a hit. The article…
The Decoder
RUКриптоиндустрии пора готовиться к взлому кошельков с помощью ИИ
✔️ Криптоиндустрии пора готовиться к взлому кошельков с помощью ИИ Исследователь Джастин Дрейк предложил блокчейн-индустрии готовиться к режиму бункера, то есть к массовому переводу средств на новые адреса на случай, если ИИ поможет взломать ECDSA. На этой схеме цифровой подписи…
Telegram — AI Machine Learning Big Data
RUИИ-продуктов за выходные? Реакт на хайп
Привет. Я решил сегодня рассказать вам про те ужасные вертикальные видосы, которые попадаются мне регулярно. Я ещё совершил ошибку, что пару раз какие-то видосы, связанные с и то ли лайкнул, то ли сохранел и положил. И теперь, когда я, скажем так, занимаюсь просвещением,…
YouTube — Amorev
RUAnthropic начала раздавать API-кредиты подписчикам Claude Max
💸 Anthropic начала раздавать API-кредиты подписчикам Claude Max Теперь в зависимости от уровня подписки пользователям дают отдельный ежемесячный бюджет на API-вызовы Claude — можно тратить его из собственных приложений, скриптов, CI-сборок и других проектов. При этом лимиты…
Telegram — GPT Time | Нейросети | ИИ
ENOpenAI’s “Alien Math” Is Freaking People Out
The math apocalypse has begun. Scott Aaronson calls this the biggest day in mathematical history. A global coalition of mathematicians formed together to oppose AI math. Only humans allowed. No clankers. Now, Anthropic worried that some of these strongly worded letters might…
YouTube — Wes Roth
ENCurating Always-Loaded Context for LLM Agents: A Capacitated Assortment Model with Censored Feedback
At the start of every session, LLM agents load a fixed context file, such as $\texttt{AGENTS.md}$. Each loaded token in the file is charged again in every later round of the session, and these files can degrade performance as they grow in size. However, in practice, human or…
arXiv — cs.AI
RUТы всё ещё сидишь в Claude Code БЕЗ МОДОВ?
Ты всё ещё сидишь в Claude Code БЕЗ МОДОВ? В недавнем обновлении Anthropic открыла поддержку модов. Теперь прямо в Claude Code можно внедрять свой JavaScript и TypeScript код. В новом ролике прокачиваем Claude Desktop модами. Добавляем панель мониторинга процессов, кастомизируем…
Telegram — Paragon | Нейросети и ИИ
қазанда alem.ai алаңында Network School ұйымдастыратын жыл сайынғы Network State Conference конференциясының тік...
🌐 9 қазанда alem.ai алаңында Network School ұйымдастыратын жыл сайынғы Network State Conference конференциясының тікелей трансляциясы өтеді. Конференцияда технологиялар мен жаһандық қауымдастықтардың болашағы, цифрлық егемендік, құпиялылық, стартап-қоғамдар және…
Astana Hub (KB mirror)
ENAI math breakthroughs have Ethereum researchers debating how fast wallet security could collapse
Ethereum researcher Justin Drake is urging the crypto industry to prepare a "bunker mode" for a scenario where AI-powered math could break wallet signature schemes within months. Vitalik Buterin broadly agrees but warns against rushed migrations, saying he's personally lost more…
The Decoder
RUAnthropic даёт стартапам год Claude Team и 1000 долларов на API
✔️ Anthropic даёт стартапам год Claude Team и 1000 долларов на API Программу Claude for Startups расширили - участникам полагается год тарифа Claude Team на пять премиальных мест и 1000 долларов кредитов на разработку с Claude. Этим шагом компания стремится переманить…
Telegram — AI Machine Learning Big Data
Финтех
KZ·AI D615Digital Financial Assets Round Table: закрытый круглый стол о рынке цифровых активов
RUDigital Financial Assets Round Table: закрытый круглый стол о рынке цифровых активов
🔐 Digital Financial Assets Round Table: закрытый круглый стол о рынке цифровых активов 15 октября Kazakhstan Fintech Network проведет в Алматы Digital Financial Assets Round Table – закрытый круглый стол для участников рынка цифровых финансовых активов. В центре обсуждения…
Telegram — BlueScreen.kz
RUИИ-компании тихо проверяют возможный взлом криптографических протоколов и примитивов
ИИ-компании тихо проверяют возможный взлом криптографических протоколов и примитивов На фоне таких сообщений вчера Виталик Бутерин и Джастин Дрейк призвали криптоиндустрию без паники переводить основную часть своих средств на свежие адреса, которые ещё ни разу не подписывали…
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
RUTether и Нацбанк Казахстана изучат возможность выпуска стейблкоина, привязанного к тенге
🤝 Tether и Нацбанк Казахстана изучат возможность выпуска стейблкоина, привязанного к тенге Компания Tether, выпускающая крупнейший в мире стейблкоин USDT, подписала меморандум с Национальным банком Казахстана и администрацией города Алатау. Главная цель — проработать создание…
Telegram — BlueScreen.kz
ENEnabling Dynamic Computation in Looped LMs
Looped LMs are parameter efficient and promise dynamic computation (saving memory and FLOPs on easy tokens). However, state-of-the-art open Looped LMs trained with this dynamic computation capability (Ouro models) do not realize it in practice as each loop iteration (depth)…
arXiv — cs.AI
ENClaude Haiku 5.5 arrives with massive price cuts proving the AI pricing arms race is far from over
Anthropic's new Claude Haiku 5.5 crushes its predecessor in benchmarks, jumping from 15.7 to 72.4 percent on the OSWorld computer use test. Token prices drop by up to 90 percent, though a new tokenizer eats into some of those savings by consuming more tokens per task. The…
The Decoder
RUВиталик Бутерин говорит, что ИИ станет новым интерфейсом блокчейна
Виталик Бутерин говорит, что ИИ станет новым интерфейсом блокчейна Виталик сегодня на конференции OKX сказал, что традиционный UI блокчейн-приложений может исчезнуть в течение 2-х лет. Его место займёт ИИ-агент, с которым пользователь просто говорит на обычном языке. Надо…
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
ENProxy Confidence: Auditing Black-Box LLM Agents with a Surrogate's Log-Probabilities
A deployed LLM agent emits tool calls, queries, and code that can be silently wrong -- by the time the error surfaces, the action has run. Frontier chat APIs hide the model's token probabilities; the agent's stated confidence barely beats chance on the mistakes that matter; and…
arXiv — cs.AI