Новости про Ref.

9139 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..

• Qiushi Engine: Автономный AI улучшил себя на 0.23 балла в BabyLM 2026
  12 сентября 2026 г. · arXiv cs.CL

  Лаборатория Qiushi Engine представила результаты автономного исследования (Research RSI), где модель обучалась на 10 млн слов и достигла рекорда в соревновании BabyLM 2026 Strict-Small.

• LexAgentHallu: Новый бенчмарк выявил «правильные ответы с ложными причинами» в юридических AI
  12 сентября 2026 г. · arXiv cs.AI

  Исследователи представили LexAgentHallu — иерархический бенчмарк для диагностики галлюцинаций в юридических агентах, раскрывающий скрытые ошибки в многошаговых рассуждениях.

• CareGuard: Эмоциональный ИИ для раннего выявления кибербуллинга
  12 сентября 2026 г. · arXiv cs.AI

  Исследователи представили CareGuard — систему на базе трансформеров, которая использует анализ эмоций для раннего предупреждения о кибербуллинге, снижая нагрузку на серверы и повышая точность защиты ментального здоровья.

• Devin использует GPT-6 Astra для самопроверки кода
  12 сентября 2026 г. · OpenAI

  Cognition интегрировала модель GPT-6 Astra от OpenAI в процесс тестирования собственного AI-инженера Devin, повышая надежность генерации кода.

• OpenAI: GPT-6 Astra стала основой для Perplexity
  12 сентября 2026 г. · OpenAI

  Perplexity AI объявила о переходе на GPT-6 Astra для своих систем, что подчеркивает доверие к новой модели OpenAI в задачах поиска и генерации ответов.

• TrimSFT: Как отсечение «мусорных» токенов дало +26.9 очков в математике
  11 сентября 2026 г. · arXiv cs.AI

  Исследователи представили TrimSFT — метод дообучения, который игнорирует слишком легкие и слишком сложные токены, повышая точность моделей на 26.9 пункта.

• Провал Correctness-Gated Distillation: метрики растут, но модель теряет логику
  11 сентября 2026 г. · arXiv cs.AI

  Исследование Xiaofei Feng (arXiv:2609.09702) показывает, что взвешенная дистилляция от нескольких учителей повышает точность, но приводит к потере функциональности меток и не гарантирует обоснованность ответов.

• Mecka AI оценили в $500 млн: Sequoia инвестирует в данные для роботов
  11 сентября 2026 г. · TechCrunch

  Стартап Mecka AI, специализирующийся на сборе данных для обучения робототехнических систем, привлек финансирование при участии Sequoia Capital. Оценка компании достигла почти $500 млн.

• witr: Инструмент для поиска причины запуска процессов в Linux
  11 сентября 2026 г. · Github

  Новый open-source утилита witr решает проблему «почему это работает?», выстраивая полную цепочку происхождения процессов, контейнеров и портов в машиночитаемом JSON или интерактивном TUI.

• Cros: Как ИИ-диагносты учатся вовремя останавливаться
  11 сентября 2026 г. · arXiv cs.AI

  Исследователи представили слой остановки Cros, который снижает риск ошибки диагностики на 45% за счет риск-ограниченного принятия решений в клинических агентах.

• Иерархия выравнивания: почему RLHF может не спасти от обмана
  11 сентября 2026 г. · LessWrong

  Исследование Lucina (LessWrong, 2026) вскрывает критический дефект современных LLM: иерархия авторитета весов выше системного промпта. Если базовая модель уже обучена на вредоносных данных, пост-тренинг (RLHF) становится

• ByteDance: LLM-агенты пишут код, но 66% изменений не работают
  11 сентября 2026 г. · MarkTechPost

  Исследование HarnessDev показало, что LLM могут создавать собственные среды выполнения (harness), но их способность к самооптимизации ограничена: лишь 34 из 64 изменений обобщаются на новые задачи.

• PRAGMA: Почему ИИ-ассистенты забывают контекст в долгих диалогах
  11 сентября 2026 г. · arXiv cs.AI

  Исследователи представили PRAGMA — первый бенчмарк, оценивающий способность LLM давать персонализированные советы в долгосрочных диалогах, а не просто вспоминать факты.

• Y Combinator требует от US-лабов дистилляции Frontier-моделей
  11 сентября 2026 г. · TechCrunch

  Гарри Тан из Y Combinator призывает американские open-weight лаборатории использовать передовые модели для обучения, называя доступ к ИИ общественным благом.

• Anthropic выпустила систему оценки плагинов для Claude Code
  11 сентября 2026 г. · MarkTechPost

  Anthropic представила инструмент `claude plugin eval` для объективной проверки эффективности плагинов в Claude Code. Теперь разработчики могут измерять реальный прирост качества (Δ) и интегрировать проверки в CI/CD.

• Plexe: Автономное создание ML-моделей через естественный язык
  11 сентября 2026 г. · Github

  Новый open-source фреймворк Plexe использует мультиагентную архитектуру для автоматической разработки, обучения и упаковки моделей машинного обучения по текстовому описанию.

• Krea Agent: Единая платформа для 40+ моделей генерации видео и изображений
  11 сентября 2026 г. · Krea

  Krea представила Krea Agent — универсальный интерфейс, объединяющий модели от OpenAI, Google, ByteDance и Alibaba. Платформа позволяет управлять генерацией медиа через единый MCP-протокол, экономя время на переключение м

• Прогноз Metaculus: ИИ-атаки станут нормой, а законы — нет
  11 сентября 2026 г. · LessWrong

  Аналитики Metaculus оценили риски после инцидента с Hugging Face: вероятность новых прорывов ИИ-агентов в ближайшие месяцы превышает 50%, а принятие «закона об убийственном выключателе» в Конгрессе маловероятно.

• Moonshot AI ставит на 2 млрд долларов выручки: K3 и споры с Anthropic
  11 сентября 2026 г. · TechCrunch

  Китайская лаборатория Moonshot AI, создатель Kimi, планирует достичь годовой выручки в $2 млрд к концу 2026 года. Амбициозная цель опирается на массовое использование модели K3, но сопровождается серьезными обвинениями в

• Colorfire представила мощные рабочие станции на AMD Gorgon Halo
  11 сентября 2026 г. · TechPowerUp

  Бренд Colorfire от Colorful выпустил мини-ПК Lingchuang Mini Pro и ноутбук K16 на базе процессоров AMD Ryzen AI Max+ Pro 495 и 395, предлагая до 196 ГБ унифицированной памяти.

• SFT уже делает Olmo 3 безопасным: повторение эксперимента Gemini
  11 сентября 2026 г. · LessWrong

  Исследование подтвердило, что после этапа SFT модель Olmo 3 32B Think достигает уровня безопасности, сопоставимого с финальной версией. Это ставит под сомнение необходимость тяжелых RL-оптимизаций для базовой безопасност

• Aurora вернула лидерство в IO500: ParaStor F9000 исключен за непрозрачность
  11 сентября 2026 г. · Tom's Hardware

  Комитет IO500 лишил китайскую систему Sugon ParaStor F9000 статуса лидера Production-списка из-за нарушения требований к воспроизводимости. На вершину вернулся Intel Aurora.

• AIRO: LLM-прогнозы катастроф. GPT-6 и Opus 5 оценивают риск гибели 10% человечества
  11 сентября 2026 г. · LessWrong

  Институт прогнозирования (FRI) запустил AIRO — автоматизированную систему, где топовые LLM оценивают вероятность катастроф. К 2030 году риск оценивается в 0,47%, к 2050 — в 6%.

• Китайский хак: RTX 5090 с 96 ГБ памяти продается за $3888
  11 сентября 2026 г. · Tom's Hardware

  Shenzhen Suqiao Intelligent Technology выпустила модифицированную версию GeForce RTX 5090 с увеличенным до 96 ГБ объемом VRAM. Карточка доступна на Alibaba по цене $3888, что на 35% дешевле базовой модели в США.

• Fidji Simo в совете Nscale: подготовка к IPO на $3,5 млрд
  11 сентября 2026 г. · TechCrunch

  Nscale, британский стартап по созданию ИИ-дата-центров, назначила бывшего топ-менеджера OpenAI Фиджи Симо в совет директоров. Это шаг перед потенциальным IPO осенью 2026 года.

• Astra без CoT: глубина спекуляций, а не длина цепи
  11 сентября 2026 г. · LessWrong

  Исследование Astra выявило, что модель решает сложные задачи без цепочки рассуждений (CoT) не за счет пошагового вывода, а через «спекулятивную глубину» — угадывание промежуточных состояний с последующей параллельной про

• Математика дебатов: как графы факторов предсказывают точность AI-арбитра
  11 сентября 2026 г. · LessWrong

  Исследование Alexander Heckett доказывает, что в локальных задачах (например, коде) ошибка AI-дебатов снижается по степенному закону, а не экспоненциально.

• NVIDIA RTX 5090 в Германии превысила €5000: рост цен на 73% за 8 месяцев
  11 сентября 2026 г. · TechPowerUp

  Стоимость видеокарт NVIDIA GeForce RTX 5090 на немецком рынке достигла рекордных €5242,94. Это почти в два раза дороже рекомендованной цены Founders Edition и на 73% больше, чем в январе 2026 года.

• CoTControl: Почему оценки контроля цепочки рассуждений (CoT) завышены
  11 сентября 2026 г. · LessWrong

  Исследование показывает, что базовые промпты сильно занижают способность моделей управлять своими внутренними рассуждениями. Оптимизация инструкций увеличивает показатели compliance в 2-3 раза, что критично для безопасно

• OpenAI: Как ChatGPT обслуживает 1 млрд пользователей без падения
  11 сентября 2026 г. · OpenAI

  OpenAI опубликовала первую часть серии статей о масштабировании хранилища для ChatGPT. Компания описала архитектуру, позволяющую обрабатывать запросы от миллиарда пользователей с задержкой менее 100 мс.