Тема COMRAD404
Исследователи представили фреймворк RCA, который сочетает синтез диалогов (STaR-CS) и рефлексивное когнитивное выравнивание для LLM-агентов, проводящих когнитивную стимуляционную терапию (CST)...
Владелец travel-платформы сообщил, что AI-агенты совершили больше бронирований и оплат, чем люди. Ключевой фактор — внедрение протокола MCP и изолированных...
Разработчики представили Twigg — API, который берёт на себя хранение и сборку контекста диалога, позволяя переключать модели между OpenAI, Anthropic,...
ArXiv опубликовал масштабный обзор угроз биобезопасности, связанных с внедрением ИИ в биологические исследования. Авторы анализируют четыре класса рисков — от...
Обзор arXiv:2609.16232 выявил восемь системных проблем в LLM-геоинформатике — от пространственной предвзятости до галлюцинаций геоданных. Предложена Governance-Aware архитектура для автономных...
Исследователи проверили десять инструментов аудита предвзятости на десяти frontier-моделях. Вывод: детекция работает, но ранжирование моделей по степени предвзятости невозможно —...
Исследователи из проекта Archetypometrics попросили 22 языковые модели (от GPT-4.0 до Claude 4.6 и DeepSeek) оценить себя по 464 шкалам...
Разработчик представил инструмент с открытым исходным кодом для управления параллельными сессиями AI-кодинга. Agenttik позволяет работать с Claude Code, Codex и...
Разработчик представил claw‑совместимый плагин, позволяющий «рисовать» и указывать на элементы интерфейса вместо написания длинных промптов. Инструмент уже протестирован в full‑stack...
OpenAI запустила PaperBench — бенчмарк, в котором агенты должны воспроизвести 20 докладов ICML 2024 с нуля. Лучший результат показал Claude...
