Активный вывод для сбора контекста: новая формализация для AI-агентов
Новая работа на arXiv предлагает формализовать дилемму AI-агента: угадывать или уточнять — через принцип активного вывода и свободной энергии.
Тема COMRAD404
operativnaya-lenta — страница 20
353 материалов
Новый бенчмарк Holtercare-Bench для оценки MLLM на длинных динамических ЭКГ
Исследователи представили Holtercare-Bench — мультимодальный бенчмарк для оценки MLLM на задачах с длительными динамическими ЭКГ. Набор данных Holtercare-23K включает 788...
Дайджест инженерных обновлений AI: кэши, агенты и дисциплина утверждений
Свежие релизы Pydantic AI, Ollama, n8n, Transformers и LangChain Core — плюс исследования агентов и шардирования инференса. Главное: кэш —...
Агент ИИ собирает башню из блоков в браузере — стартап строит открытый бенчмарк для воплощённого ИИ
Пользователь Reddit показал результат работы своего проекта: открытая браузерная арена, где AI-агенты соревнуются в задачах физического взаимодействия в реальном времени....
MCP-сервер для Android: управление телефоном через ИИ с локальным редактированием приватных данных
Вышел Android Remote Control MCP — приложение, которое позволяет ИИ-агентам управлять смартфоном через MCP-протокол. Ключевая особенность: локальное редактирование персональных данных...
GxP-Agent: как DAG-топология спасает LLM в клинических испытаниях
Мультиагентная система GxP-Agent кодирует процесс создания наборов данных для клинических испытаний в виде направленного ациклического графа (DAG). На бенчмарке CDISC-Bench...
Рынок цен на AI: разброс от $0,03 до $600 за миллион токенов
Пользователь Reddit проанализировал цены на модели через OpenRouter и обнаружил колоссальный разброс: от бесплатных моделей до $600 за миллион выходных...
DeMTS: детекция галлюцинаций в диффузионных LLM через многомерные временные ряды
Исследователи предлолжили DeMTS — фреймворк для обнаружения галлюцинаций в диффузионных языковых моделях, который интерпретирует деноизированные траектории как многомерные временные ряды,...
OpenAI приостановила разработку кибер-модели, но две другие лаборатории уже выпустили аналоги
Через неделю после того, как OpenAI заморозила внутреннюю разработку модели с потенциальными кибервозможностями, две другие компании — сама OpenAI и...
Speko — OpenRouter для голосового AI: публичные бенчмарки и роутинг моделей
Speko (YC S26) запускает API, который подбирает оптимальную комбинацию STT, LLM и TTS под заданные ограничения, используя публичные бенчмарки. Обсуждается...