Nemotron 3 Ultra взял золото на IMO 2026: NVIDIA открыла рецепт олимпиадного ИИ
NVIDIA выпустила открытый пайплайн для решения олимпиадных задач по математике на естественном языке. Три чекпоинта Nemotron 3 Ultra набрали 30...
События и разборы
Оперативная лента ИИ и разработки — страница 26
Короткие проверки популярных AI-сигналов из Telegram, Reddit, X и YouTube: что произошло, чему верить и почему это важно.
ИИ-агенты учатся изучать среду до получения задач: новый подход без syllabus
Исследователи формализовали задачу предварительной подготовки среды без знания целевых заданий. Мета-агент с архивом превзошёл фиксированные методы на пяти из шести...
GoatCode v2.1.10: терминальный AI-агент с автоматическим переключением провайдеров и кэшированием промптов
Вышел GoatCode v2.1.10 — open-source терминальный AI-агент, который умеет переключать LLM-провайдера прямо во время сессии при падении квоты, не теряя...
Агенты ИИ должны не просто выполнять задачи, но и быть устойчивыми: новый взгляд на оценку
arXiv:2609.10724. Исследователи предлагают оценивать ИИ-агентов не только по успешности выполнения задач, но и по двум новым параметрам: операционная устойчивость и...
Bastiontrace: инструмент криминалистики для AI-агентов, подвергшихся промпт-инъекции
Bastiontrace анализирует JSONL-трейсы вызовов инструментов AI-агента, находит следы промпт-инъекции, определяет точку входа, заражённые вызовы и конечное запрещённое действие. Инструмент не...
Большой контекст побеждает гиперкоррекцию: новый SOTA для GEC без дообучения
Исследователи представили метод, позволяющий LLM исправлять грамматические ошибки с точностью, почти не уступающей тонко настроенным моделям, используя только промпты и...
Ученые научили агентов оценивать уверенность в своих действиях через внутренние представления нейросети
Новый метод калибровки уверенности для агентных систем, основанный на анализе внутренних представлений модели, показывает эффективность на бенчмарках Bash, SQL и...
GeoSteer: геодезическая оптимизация для точного управления LLM без коллапса представлений
Исследователи представили GeoSteer — метод управления поведением LLM через серию малых геодезических шагов на многообразии активаций, заменяющий одношаговые правки и...
OpenDiscoveryTrace: первый датасет трасс AI-учёных раскрывает разницу между «думает» и «угадал»
Исследователи представили OpenDiscoveryTrace — публичный датасет из 558 полных траекторий AI-агентов. Данные показывают, что Claude Opus 4.6 ошибается в 30...
MaruCheck: open-source верификатор для кода, написанного ИИ, не даёт агенту подкрутить тесты
Показан на Hacker News проект MaruCheck — локальный инструмент верификации, который сверяет код, сгенерированный ИИ, с отдельным человеческим контрактом. Если...