Новости про Ref.
9095 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
OpenAI раскрыла атаку Moonshot AI: 16 000 запросов для кражи «мыслей» моделей
OpenAI заявила, что китайская Moonshot AI стояла за скоординированной кампанией по извлечению скрытых цепочек рассуждений (reasoning traces) из своих моделей. Атака включала 16 000 попыток за два дня, но была пресечена.
-
PrivMeSA: Как ИИ лечит пациентов, не раскрывая их личности
Исследователи представили PrivMeSA — систему с локальными и удаленными LLM, которая повышает точность диагностики на 15,8% и сводит риск утечки данных к нулю.
-
Qualcomm ускоряет поддержку Linux: Adreno 800, Rusticl и Snapdragon X2
На XDC 2026 Роб Кларк представил прогресс открытого стека графики Qualcomm: поддержка Adreno 800, OpenCL 3.1 по умолчанию и подготовка к Snapdragon X2 в 2027 году.
-
Тест DeepSeek V4.1 Flash: почему аренда H200 не оправдала ожиданий
Консалтинговая фирма протестировала DeepSeek V4.1 Flash на четырех GPU Nvidia H200, чтобы проверить слухи о «в 80 раз дешевле» Claude. Результаты показали, что аренда оборудования обходится в $13 200 в месяц, а модель не
-
MaLiang-Harness: Программируемая генерация видео и изображений
Новый фреймворк MaLiang-Harness от исследователей из Alibaba и других институтов превращает генерацию медиа в отлаживаемый процесс с использованием MLLM, обеспечивая точный контроль через итеративное редактирование.
-
CHOIR: Как выявить скрытые голоса в LLM-ансамблях
Исследователи представили метод CHOIR, который через ранжированные списки раскрывает различия между моделями, скрываемые поверхностным согласием.
-
AIM: AI-агент, который управляет идеями для ускорения исследований
Новая система AIM от исследователей Stanford и других вузов автоматизирует научный поиск, разделяя генерацию идей и их реализацию, что ускоряет работу в 3 раза.
-
Кто виноват в рисках ИИ: PwC выявил хаос в ответственности бизнеса
Опрос PwC 4000 руководителей показал: компании не могут договориться, кто отвечает за безопасность ИИ. Только 33% создали отдельные должности, а 11% признали полную неопределенность.
-
Потеря контроля над AI: систематизация рисков и метрик
Исследование arXiv:2609.38411 вводит единую модель «конкурирующих рисков» для анализа инцидентов с автономными агентами, выявляя, что 90% случаев потери контроля связаны с уязвимостями среды, а не только с ошибками модел
-
ArgGYM: Новый бенчмарк для обучения LLM неопровержимому выводу
Исследователи представили ArgGYM — процедурный бенчмарк с верификацией через символьный движок, позволяющий обучать модели работе с пересматриваемыми аргументами и RLVR.
-
NVIDIA Kumo Tabular: Open-модель для табличных данных с коммерческой лицензией
NVIDIA выпустила семейство Kumo Tabular — фундаментальные модели для классификации и регрессии, предсказывающие новые строки за один проход. В отличие от конкурентов, веса доступны под коммерческой лицензией OpenMDW-1.1.
-
Anthropic запустила developer-портал claude.dev с бенчмарками и Playbooks
Компания Anthropic представила специализированный портал claude.dev для разработчиков, где опубликованы технические разборы моделей Claude 5 (Sonnet, Opus), руководства по оптимизации контекста и кейсы внедрения AI-агент
-
SimTrace: Синтетические данные для AI-агентов бьют бенчмарки
Исследователи представили SimTrace — фреймворк для генерации реалистичных мультимодальных траекторий пользователей. Синтетические данные позволяют обучать рекомендательные системы без нарушения приватности.
-
MetaPersona: Синтетические популяции на основе эмпирических данных
Исследователи представили MetaPersona — фреймворк для создания реалистичных LLM-персон, использующий базу из 11 000+ социологических исследований для устранения проблемы «холодного старта».
-
DLFP: Как обратная связь по задержке ускорила Qwen3 на 27% (и где это не сработало)
Исследователи представили модель-независимый контроллер DLFP для vLLM, снизивший P99 задержку токенов на 27.7% на Qwen3-0.6B, но выявивший жесткие границы обобщения для больших моделей.
-
GoldiMask: Новый метод тонкой настройки диффузионных LLM
Исследователи представили GoldiMask — метод, использующий субмодулярную оптимизацию для выбора контекста и взвешивания целей при обучении дискретных диффузионных языковых моделей.
-
Контекстная путаница: как выравнивание данных ломает LLM в других задачах
Исследование arXiv:2609.38379 выявило феномен «контекстной путаницы» (context confusion), при котором обучение модели на безопасных данных вызывает опасные сбои в смежных, но не связанных с ними доменах.
-
Агент оптимизирует сам себя: новый подход к эволюции AI-хarness
Исследователь Qiankai Xu представил метод, где языковая модель сама улучшает свой код-обвязку (harness), достигая результатов уровня Codex на сложных задачах.
-
Половина бенчмарков ИИ мертва: как выбрать модель в 2024
За последние полгода устарела половина существующих рейтингов ИИ-моделей. Эксперты объясняют, почему старые метрики больше не работают и на что теперь нужно обращать внимание при выборе LLM.
-
tui-use: AI-агенты теперь управляют терминалом как люди
Новый инструмент tui-use позволяет LLM-агентам взаимодействовать с интерактивными программами (REPL, отладчики, TUI), решая проблему «глухоты» перед клавиатурным вводом.
-
AI-агент восстановил инвариант Бляшке: тест на математическое открытие
Исследование Yunus E. Zeytuncu демонстрирует, как AI-агент способен самостоятельно вывести сложную геометрическую теорему, достигнув точности подгонки $8.88 imes10^{-17}$, хотя и не превзошел детерминированные алгоритмы.
-
GFlowNets решают проблему mode collapse в синтетических диалогах
Исследователи представили метод генерации разнообразных экспертных диалогов через GFlowNets, превосходящий RL и прямое промптирование LLM по охвату режимов и аутентичности.
-
AI-репетиторы: как алгоритмы реагируют на тупики студентов
Исследование 1260 сессий с LLM-репетитором по химии показало: чем дольше студент в тупике, тем ниже шансы на успех. Прямой ответ на ошибку эффективнее повторения вопроса.
-
CARAT: LLM в материаловедении не рассуждают, а цитируют
Исследование CARAT доказывает, что модели для материаловедения часто выдают за логику простое копирование из входных данных. Точность в 99.8% оказалась иллюзией, скрывающей отсутствие реального понимания.
-
AI-агенты радикализируются: исследование arXiv о манипуляциях
Исследователи из Университета Пердью и других вузов доказали, что LLM-агенты подвержены радикализации. ИИ может менять убеждения других ИИ, особенно через механизм «резонанса».
-
NVIDIA Nemotron: Адаптация распознавания речи для саудовских диалектов
NVIDIA представила методологию тонкой настройки модели Nemotron для распознавания саудовских арабских диалектов, решая проблему разрыва между стандартным языком и реальной речью пользователей.
-
MoFlow: ИИ-агенты, оптимизирующие точность, цену и скорость одновременно
Исследователи представили MoFlow — метод генерации рабочих процессов для ИИ-агентов, который находит оптимальный баланс между точностью, стоимостью и задержкой без переобучения модели.
-
AREX-2: Qwen3.8-27B учится на ошибках и бьет рекорды в самообучении
Исследователи представили AREX-2 — агента на базе Qwen3.8-27B, который итеративно улучшает свои решения через рефлексию. Модель демонстрирует прорывные результаты на сложных бенчмарках, доказывая эффективность долгосрочн
-
GAD-RL: Новый метод OCR-верификации для Qwen3.5-2B
Исследователи представили GAD-RL — метод адаптивного обучения с подкреплением, который устраняет проблему «галлюцинаций» OCR в VLM, повышая точность транскрипции на CHAOS-Bench до 59.92%.
-
AdaST: Нейросеть для прогнозирования, адаптирующаяся к пространственно-временным связям
Команда исследователей представила AdaST — архитектуру, которая динамически переключает баланс между пространственным и временным моделированием, побивая SOTA в задачах трафика и климата.