Obshazard-bench: новый бенчмарк мультимодальных моделей для мониторинга катастроф
На arXiv вышел препринт Obshazard-bench — бенчмарка для проверки мультимодальных LLM на сырых спутниковых потоках в задачах оперативного реагирования на...
События и разборы
Оперативная лента ИИ и разработки — страница 42
Короткие проверки популярных AI-сигналов из Telegram, Reddit, X и YouTube: что произошло, чему верить и почему это важно.
AgentMemBench: бенчмарк долгосрочной памяти агентов — внешнее хранилище обходит конкурентов
Новый препринт AgentMemBench сравнивает пять стратегий долгосрочной памяти для разговорных агентов на едином харнесе. Внешнее хранилище (EKV) лидирует по всем...
Моделирование операционных задач с LLM: неопределённость и симуляция
Новая работа на arXiv предлагает training-free фреймворк для генерации математических моделей операционных задач с помощью LLM. Метод использует короткие симуляции...
Китай использует открытую модель против закрытых систем OpenAI — что говорят данные
На Reddit обсуждают, как Китай догоняет США в AI за счёт открытых моделей, патентов и публикаций. Разбираем, что подтверждено, а...
TAPR: RL-переписчик промптов для LLM заявляет рост на Natural Questions и GSM8K
Новый arXiv-препринт TAPR: отдельная модель на базе Phi-4-mini переписывает пользовательские промпты под задачу через GRPO и LLM-as-judge. Заявлен стабильный прирост...
Noisegate: дифференциальная приватность для недоверенных AI-агентов
Noisegate — шлюз с дифференциальной приватностью, который математически гарантирует защиту отдельных записей при запросах AI-агентов к чувствительным данным. Реализация на...
V-Steer: редактирование кэшированных значений для соблюдения иерархии инструкций в LLM
Новый метод V-Steer позволяет на этапе инференса восстанавливать приоритет системных промптов над пользовательскими, редактируя кэшированные векторы значений. Точность соблюдения первичных...
Оценка влияния промптов и демонстраций на перевод локальными LLM (arXiv)
Исследователи сравнили локальные LLM в задачах перевода, тестируя single-target и family-scope промпты, а также разные стратегии few-shot обучения. Результаты: dedicated...
Weak-to-Strong On-Policy Distillation: слабые модели как учителя для сильных LLM
Новая работа с arXiv предлагает метод дистилляции, при котором несколько слабых моделей (меньшего размера) могут улучшить сильную модель-студента без необходимости...
SARA: последовательное адаптивное выделение бюджетов для RLVR
Исследователи предложили метод SARA, который сокращает расход роллаутов в RLVR за счёт раннего определения насыщенных групп и перераспределения бюджета. На...