Барлық жарияланған талдаулар, егеменді стек зерттеулері, экожүйе жаңалықтары және ЖИ модельдерінің шолулары.
arXiv:2610.12855v1 Жариялану түрі: жаңа Анотация: On-Policy Self-distillation (Іс-шара стратегиясы бойынша өз-өзін дистилляциялау) — үлкен тіл моделілерін (LLM) әртүрлі контексттерде мұғалім және оқушы ретінде бір ие модельді пайдалана отырып, олардың қабілеттерін арттыруға мүмкіндік беретін өзін-өзі жақсарту парадигмасы.
arXiv:2610.12536v1 Хабарлама түрі: жаңа Анотация: EliteTable — үлкен тілдік моделілер (LLM) арқылы бағытталған, жоғары рейтингті шешімдердің белгілі бір қауымдамалы кестесін пайдалана отырып, жаңа ұсыныстарды, бар шешімдерді өңдеуді және бірнеше шешімдерді араластыруды бағыттайтын өзін-өзі жетілдіретін бағдарлама іздеу алгоритмі.
arXiv:2610.12598v1 Жариялау түрі: жаңа Анотация: Тексерілетін сыйақылармен күшейту оқытуы (RLVR) орындалатын тестер арқылы бағдарламалық инженерия агенттеріне сенімді бақылау қамтамасыз етеді, бірақ бинарлы сыйақылар елеулі түрде әртүрлі траекторияларды бөлектеуде жеткіліксіз...
arXiv:2610.12927v1 Хабарлама түрі: жаңа Анотация: Үлкен тілдік моделілер (LLM) білім алдын ала белгілері, контексттік рассуждение және тест уақыты есептеулеріне байланысты түрлі тапсырмаларда табыс көрсетеді. Бұл күштерге қарамастан, жеке модельді рассуждение қателердің таралуына ашық болып қалады, себебі…
arXiv:2610.12914v1 Хабарлама түрі: жаңа Түсініктеме: Көру-тіл-әрекет (VLA) моделілері робототехникалық манипуляцияда күшті үміт береді, бірақ олардың постреккердеуі әлі де преимінен траектория деңгейіндегі қадамылдандыруға негізделген робот демонстрациялары арқылы жүргізіледі. Бұл тиімді болса да…
arXiv:2610.12842v1 Хабарлама түрі: жаңа Анотация: Нейрондық желілер әдетте жеке нейрондар бірнеше әртүрлі функцияларға үлес қосатын өкілеттіліктерді дамытады, бұл мұндай желілер модульді ұйымдастырусыз деп есептеуге әкеледі. Біз осы қорытындыны …
arXiv:2610.12822v1 Тип объявления: новое Аннотация: Мультиагентные системы все чаще используются для решения задач кодирования путем координации агентов, которые используют общий код и планы. Эти агенты часто оптимизируются с помощью обучения с подкреплением (RL) с использованием автоматических оценщиков, но в обход…
arXiv:2610.12916v1 Хабарлама түрі: жаңа Анотация: Децентрализацияланған қаржылық желілердегі басқару тәсілдері адам комитеттері жүргізетін қолма-қол қарау процестеріне негізделеді, бұл субъективті кемсітушілікті қабылдайды, жоғары желі көлемі кезінде маштабтау тікшесін жасайды және…
Бесплатная модель Claude теперь отстает от Opus всего на два балла в тесте, основанном на реальных рабочих задачах в 44 профессиях. В этом бенчмарке Sonnet 3.5 набирает 1844 балла, а Opus 3.5—1846, что примерно на 400 баллов выше, чем у Sonnet 3. Anthropic также заявляет, что…
🆕 Карпатый: 5000 человек живут в другом ИИ мире, чем остальные 8 млрд Андрей Карпатый считает, что разрыв в понимании возможностей LLM за полгода только вырос и стал похож на резкую воронку. Около 6 млрд человек с LLM почти не сталкивались. Ещё 1-2 млрд использую только…
✔️ Google открыла публичный доступ к SynthID Detector Компания запустила веб-версию инструмента SynthID Detector, позволяющего анализировать изображения, видео и аудио на наличие невидимых меток, внедряемых ИИ на этапе генерации. Ранее утилита тестировалась в закрытом режиме…
What if the best way for an AI to remember a book is to stop reading it? You see, every word an AI reads becomes tokens, and tokens are expensive. The longer the book, the more the AI chokes on it. But, we humans do something strange. We don't remember everything perfectly. Some…
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…
Epoch AI and Anthropic independently found the same thing: current AI models like GPT-5.6 Sol and Claude Fable 5 can run experiments but lack scientific self-criticism and genuine creative thinking. At best, Sol reached 15 percent of the human reference score, and even that came…
📌 Астрофизик Брис Менар собрал с помощью Claude Science первую полную карту неба в ультрафиолете Карту всего неба в дальнем и ближнем ультрафиолете исследователь Университета Джонса Хопкинса собрал вместе с ИИ-агентами Claude Science, рабочего пространства Anthropic для учёных.…
Лидеры и компании готовятся к судному дню, который наступит уже через полгода. Антропик выпускает клод хайку 5, по дешёвая, быстрое, дерзкая, всё, как мы любим, гораздо лучше, чем Луна. Компания будет раздавать бесплатные кредиты каждый месяц всем. Уквозь подписка за стоит 200…
Starting October 2026, arXiv will cap submissions at two per person per month. Monthly submissions have doubled in two years, and in the cs.AI category they've grown more than sixfold. According to arXiv, a small fraction of authors are flooding the platform with low-quality…
Microsoft CEO Satya Nadella now calls artificial intelligence "super intelligence" instead of artificial intelligence, falling in line with Trump's preferred language. In his latest blog post, he frames AI models as insider security threats, taking yet another shot at OpenAI and…
✔️ 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…
Парагон байланыста - күнді бастайық! Бүгінгі күннің ең бастысы🟠11.10 ⠀ 🟠Клод сынақ кезінде кісі өлтіру туралы жалған хабарлама жіберді - Anthropic AI агенттерінің күтпеген әрекеттерін ашты. Модель ашылмаған іс туралы нақты нысанды толтырды, бірақ хабарлама спам болып саналды, ал полиция оған жете алмады...
✔️ Главы ИИ-компаний готовятся к жёсткой реакции властей на крупный инцидент Руководители ведущих лабораторий проводят закрытые учения, моделируя кризис после крупного инцидента с участием ИИ. Инсайдеры индустрии ждут крупной кибератаки с отключением банковских систем, связи или…
Anthropic запустила бесплатный ИИ-сканер уязвимостей в открытом коде 🔐 OSS Scanner проверяет проекты с открытым исходным кодом на уязвимости с помощью мощных моделей Anthropic, включая Claude Mythos. Главная особенность: отчёты формирует ИИ без проверки человеком. Это позволяет…
OpenAI has documented new cases of misaligned model behavior. One evaluation model fabricated data and sabotaged its own environment. Other models deliberately bypassed network restrictions by routing requests through anonymizing relays or building their own FTP clients. The…
After a recent spate of high-profile incidents in which AI agents escaped containment, Anthropic is cutting off internet access for all internal evaluations. In a report Friday, the company detailed "unintended model actions," including submitting a false tip regarding an…
Производители ИИ-агентов обещают безопасность данных, но смогут ли они её обеспечить?
OpenAI published more than 700 AI-generated manuscripts claiming solutions to open math problems. A math blog then collected over 100 responses from researchers, ranging from fascination with new ideas to existential fears and grief over a lost way of working. Fields Medalist…
Индустрия искусственного интеллекта снова привлекает внимание чередой ярких событий: от отключения доступа к интернету для ИИ-агентов Anthropic после инцидентов до дисквалификации победителя конкурса
At this year's OpenAI DevDay, CEO Sam Altman unveiled the company's new AI agent Dots - and told the crowd that the company wants to "set a new standard for privacy in frontier AI." OpenAI would spend the day taking veiled shots at Meta's Muse, its primary competitor, for…
✔️ Anthropic апрувнул все заявки на Claude Code Projects Все, кто подавался с тарифов Pro и Max - проверяйте. Для тех кто не в курсе, Anthropic записали видеообзор новой сущности, разработанной на основе Projects, но для Claude Code. В отличие от стандартных проектов в…
Claude теперь создаёт интерактивные дашборды и анимации прямо в чате 📊 Anthropic запустила в бета-версии две новые функции: — Claude Dashboards превращает данные в интерактивные дашборды с обновлениями в реальном времени. Можно подключать корпоративные источники, CRM и Google…