Барлық жарияланған талдаулар, егеменді стек зерттеулері, экожүйе жаңалықтары және ЖИ модельдерінің шолулары.
Large language models spend the same amount of computation on every token they generate, regardless of how difficult each token is to produce. Methods such as speculative decoding and model routing are built on the premise that much of this computation is unnecessary, yet the…
LLM judges are increasingly used to assess whether AI outputs meet workplace requirements, but agreement on response rankings does not establish agreement on acceptance rates or occupational aggregates. We introduce O*NET-BENCH, an audit suite derived from an existing survey of…
World action models (WAMs) have emerged as a promising paradigm for robotic control by jointly predicting future visual dynamics and actions from an initial observation and instruction. However, existing WAMs struggle with long-horizon prediction, as generating dense video…
Natural Visibility Graph (NVG) based analysis characterizes network traffic through topological descriptors reflecting different structural properties. However, not all descriptors contribute equally to cyber-attack classification, and extracting a large metric set can increase…
Using a frontier model like Claude Opus as a meta-agent to generate terminal tasks and verifiers for RL training is increasingly common. Yet a runnable Docker image and executable test suite do not guarantee a faithful end-to-end pipeline for terminal agent training. We present…
The operation of dynamically polarized targets in nuclear physics experiments relies on continuous tuning of the microwave frequency to compensate for radiation damage and evolving material properties, a task that is traditionally performed through manual trial-and-error by…
Reinforcement learning for large language models typically maximizes expected return, adding up the probabilities of all successful trajectories. However, the classical sum formulation can only report how often the model policy succeeds, not which solution actually worked, and…
In the UK, public healthcare staff report turning to machine translation (MT) - predominantly Google Translate (GT) - to communicate with patients across language barriers. Though intended to support their duty of care, potentially uninformed reliance on MT in such contexts…
Balancing electricity demand and supply is increasingly difficult due to the inherent intermittency of renewable power generation and the stochastic power consumption. Grid operators require fine-grained, decision-relevant insights into household energy consumption to manage…
Interactive world models are increasingly capable of generating environments and acting within them, yet deliberately editing an existing executable world remains underexplored. We formulate world editing as intervening on an existing world while preserving properties that…
World models (WMs) simulate the transition dynamics of environments, enabling agents to plan over the consequences of their actions. In text-based environments, fine-tuning a Language Model (LM) to serve as a WM has emerged as a dominant paradigm. However, despite the widespread…
ReAct-based agents typically rely on a single LLM policy to propose actions, interact with the environment, and decide when a task is complete. This coupling makes action authorization and completion control difficult to enforce independently, allowing errors to propagate and…
As powerful AI systems reach and sometimes surpass the abilities of human experts across a range of cognitively demanding tasks, the problem of accurate oversight and supervision of these systems has become increasingly urgent. One promising approach is AI debate, which seeks to…
Long-horizon research agents must decide both how to investigate and what to investigate next as evidence accumulates. This is hard to learn because such decisions are sparse in long execution traces, and their consequences may emerge several investigations later. We introduce…
Agent harnesses make many small, typed decisions per task: which model to call, which tool to use, whether retrieved text is relevant, whether an input carries an injection. System-1 decision models answer such questions in a single forward pass with class probabilities,…
Campus AI tutors based on retrieval-augmented generation (RAG) must ground answers in assigned course materials while keeping textbooks and student dialogue on institutional infrastructure. We present CourseChat, an on-premises, multi-course RAG tutor for undergraduate business…
Yossi Matias, Vice President & Head of Google Research, explores how AI is beginning to reshape biology, infrastructure, manufacturing, and science, and why its greatest impact may come when it intersects with other fields. Step inside the newsroom with our MIT Technology Review…
Біз қытайлық өндірушілер неліктен IT саласындағы еуропалық брендтерден жоғары тұрғанын және бағдарламалық жасақтаманы жаңарту сатып алғаннан кейін бір жылдан кейін де машинаны қалай жақсарта алатынын талқыладық.
Here's the reference image, but I let Deep Seek V4.1 flash use a website that basically replicates the functionality of Microsoft Paint. And here is what it created. It's actually not bad. It's very stylized, but like there's no detail. And so the technique that Astri used of…
Итоги уходящей недели - то, что имеет значение Бизнес ИИ- компаний Карта рынка ИИ в клиентском сервисе: куда уходит маржа Как ИИ-агенты могут расшатать экономику маркетплейсов Появилась соцсеть для людей и агентов Вышла платформа, которая выступает закупщиком для экономики…
Астанада халықаралық форум AI & Digital Bridge 2026 (бұрын Digital Bridge деп аталатын) аяқталды. Mastercard компаниясы ірі оқиғаның технологиялық серігі болды, ал компанияның бас менеджерлері форумның панельдік талқылауларында негізгі спикерлер ретінде әрекет етті. Спикерлер…
⚡ Ұлыбританияның ең үлкен ИИ-суперкомпьютері 2030 жылдарға дейін кешіктірілуі мүмкін — оған электр жетпейді. Британиялық стартап Nscale Лондонға жақында 23 мыңға жеткізетін Nvidia чиптері бар деректер орталығын сала жатыр, бұл елдің ең үлкен ИИ-суперкомпьютері болуға тиіс және бұлтты...
🔥 Astana Hub Battle 2026 аяқталды — жеңімпаздар анықталды. Финалда 14 стартап өз жобаларын қазылар алқасына таныстырды. Нәтижесінде CYBERPACK.AI — Impact Maker, NCSpeech — Market Shaper, Astana Dynamics — Growth Engine, ал Aman — Investor’s Choice номинацияларының жеңімпазы…
GPT-6 Astra сунды интеллекты StarCraft ойынында алдауды қолданды
⚠️ «OpenAI мәдениеті бүлінген» — компанияның ең ескі қызметкерлерінің бірі ИИ қауіпсіздігіне қорқыныштан кетті. Дэвид Робинсон OpenAI-да үш жарым жыл жұмыс істеді және үлкен запусктар үшін қауіпсіздік есептерін дайындауды басқardı. Енді ол өзіне сенгені үшін кетпекте...
Жақсы, егер AI солай деп етсе, онда бұл шын болуы керек. | Bloomberg via Getty Images Нью-Джерси штатының вице-губернаторы Дэйл Колдуэлл 25 қыркүйекте зерттеу нәтижесінде ол қызметкерге жыныстық зауыт жасаған және ережелерді жүйелі бұзғандығы анықталғаннан кейін отставкаға мәжбүрленді. Енді вице-губернатор емес...
Dory — дерекқор инженерлеріне арналған, жасанды интеллектпен қолдаулы интеграланған жұмыс ортасы: SQL жазу, қателерді жою және қолдау. Dory SQL-редакторды, ИИ-көмекшісін және дерекқорларды пайдалану және қолдау құралдарын бір десктоп бағдарламасында біріктіреді. Ол терең интеграцияға ие...
Жасанды интеллект бала үшін спорт түрін таңдайды: қазақстандық жоба Казинформ
Қазақстан депутаты ИИ арқылы заңдар жазады және BeInCrypto модельдерін оқытады
StarSkirmish ЖИ-мен жасалған StarCraft-ойнау боттарын бір-бірімен, сондай-ақ адамдар жасаған боттармен соқтырады. OpenAI-ның GPT-6 Astra және Claude Opus 5.5 негізгі түрде ең жақсы нәтижелерді көрсететін ЖИ-мен жасалған боттар ретінде тең жағдайда болды, бірақ олар ең жоғары рейтингті адам жасаған ботты Stardust-ты жеңе алмады. Жұмада,…