GitHub добавила динамические workflow в Copilot CLI и приложение Copilot
Динамические workflow позволяют задавать в коде повторяемые этапы работы с агентами и автоматическими проверками. Функция доступна в публичной предварительной версии,...
Тема COMRAD404
генерация видео — страница 7
1082 материалов
OpenAI заявила о GPT-5.6-Cyber для авторизованных исследований уязвимостей
OpenAI сообщила о GPT-5.6-Cyber — специализированной модели для проверки эксплойтов, исследования уязвимостей и тестирования защиты через платформу Daybreak Red. Независимые...
Медицинский совет от ChatGPT: лучшее рассуждение ещё не делает его врачом
OpenAI заявляет, что GPT-5.5 Instant лучше справляется с вопросами о здоровье благодаря рассуждению, контексту и оценкам с участием врачей. Но...
GPT-5.6 Sol: что известно о модели и почему обещание «меньше затрат на задачу» важнее громких бенчмарков
OpenAI представила Sol как предварительный анонс модели для программирования, науки и кибербезопасности. Позднейшие материалы описывают уже семейство GPT-5.6 — Luna,...
GeneBench-Pro: почему 31,5% успешных ответов — важный результат, но не доказательство готовности ИИ к науке
Новый бенчмарк проверяет не знание биологических фактов, а способность пройти цепочку статистических решений на реалистичных задачах. Лучший опубликованный результат GPT-5.6...
Anthropic добавила Mods в Claude Code для настройки интерфейса и команд
Anthropic представила систему Mods для Claude Code — подключаемые модули на JavaScript и TypeScript, которые могут менять интерфейс инструмента, перехватывать...
GitHub Copilot code review получил API для REST и GraphQL, а Balanced стал уровнем по умолчанию
GitHub разрешил запускать Copilot code review через REST и GraphQL API и выбирать уровень усилий для отдельной проверки. С 28...
Ataraxos обыграл сильнейшего игрока в Stratego: обучение обошлось менее чем в $8 000
Система исследователей из Carnegie Mellon, NYU, Stanford и MIT выиграла у Пима Неймейера 15 партий из 20. Авторы связывают результат...
OpenAI остановила кампанию по краже рассуждений, но та же атака неделями работала в Azure
Исследователи показали, что после блокировки извлечения скрытого хода мыслей в API OpenAI, атака воспроизводилась на Microsoft Azure вплоть до конца...
ThinkingBox проверяет ИИ-агентов по состоянию базы данных, а не по красивому ответу
Microsoft представила ThinkingBox — бенчмарк для ИИ-агентов, который оценивает не только правильность ответа и вызовов инструментов, но и итоговые изменения...