Тема COMRAD404
Исследователи представили CLUE — фреймворк, который помогает роботам самостоятельно разрешать неопределённость в неполных инструкциях на естественном языке. В испытаниях на...
Новая модель семейства GPT-6 приближается к флагману Astra в кодинге, работе с компьютером и профессиональных задачах, но стоит как Sol....
По данным Anthropic Frontier Red Team, GLM-5.3 добилась полного перехвата потока управления в 4% испытаний внутреннего бенчмарка Binary Exploitation, а...
Администраторы приватных и внутренних репозиториев GitHub.com получили возможность выбирать тип раннера, метку и группу для обновлений зависимостей и уязвимостей через...
Разбор методики расчёта реальной стоимости работы AI-агента: от входных и выходных токенов до стоимости вызовов инструментов и времени выполнения. С...
В ScopeBench вошли 30 задач, где получить целевой флаг можно лишь после выхода за разрешенные границы. В испытаниях восьми моделей...
Метод POIL использует функциональные точки объекта для переноса показанного движения и замкнутого управления роботом без готовой 3D-модели или отдельного оценщика...
Себастьян Рашка проследил развитие классификации текста от bag-of-words до трансформеров и объяснил, где Jev может быть выгоднее универсальных LLM, а...
Исследователи MIT смоделировали рынок, на котором компании используют одинаковый алгоритм найма. Главным риском оказалась потеря разнообразия решений, а возможной защитой...
Препринт HybridInfer описывает роутер, который выбирает между локальной, периферийной и облачной LLM с учётом теплового состояния смартфона, сложности запроса и...
