Новости про Ref.
9136 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
Прозаическая безопасность ИИ: почему это не пустая трата времени
В сентябре 2026 года на LessWrong развернулась дискуссия о ценности «прозаических» методов выравнивания ИИ. Автор поста ставит под сомнение их эффективность, но комментаторы приводят аргументы, доказывающие их системную
-
OpenAI: Рекурсивное самосовершенствование неизбежно, мониторинг рушится
Главный научный сотрудник OpenAI Якуб Пачоцкий предупреждает: машины станут умнее людей в нашей жизни, а текущие методы контроля (CoT) уже не работают. Нужна международная координация.
-
AI предсказывает успех кризисных консультантов по первым диалогам
Исследователи из Cornell и других вузов представили метод NLP, который за 6–12 месяцев до конца обучения с 80% точностью определяет, кто из волонтеров станет эффективным психологом, а кто — нет.
-
MedProb: Простой метод пробития VLM превзошел медицинские LLM
Исследование MedProb доказывает, что для Med-VQA не нужны сложные пайплайны: линейный анализ скрытых состояний замороженных VLM работает лучше генерации.
-
Canonical: Ubuntu для RISC-V достиг 95% покрытия пакетов, но тесты проваливаются
На Hot Chips 2026 Canonical представила стратегию Enterprise RISC-V. Ubuntu 25.10 перешла на профиль RVA23, но уровень прохождения тестов на RISC-V составляет лишь 55% против 92% на x86.
-
Video-ShotCraft: AI-агент для создания кинематографичных промо с 157 сценариями
Новый open-source инструмент на базе Remotion превращает Claude Code в студию моушн-дизайна, генерируя готовые видеоролики с 2.5D-камерой и синхронизацией звука.
-
FaceFusion Mobile: Полная замена лиц на Android без интернета
Порт мощного AI-инструмента FaceFusion для Android. Обработка на NPU Snapdragon, офлайн-режим, синхронизация губ и отсутствие загрузки данных на серверы.
-
LLM не верифицируют, а интегрируют: 10 млн тестов раскрыли механизм RAG
Исследование Kawada и Kellis (arXiv:2609.04290) опровергает идею, что LLM логически проверяют внешние данные. На 10 млн примеров показано: модели просто смешивают ответы, игнорируя внутреннюю верификацию.
-
Claude Opus 5 на 23.9%: новый бенчмарк показал провал AI-агентов
Исследователи представили τ^τ-Bench — среду для оценки способности LLM создавать рабочих агентов. Даже флагманские модели провалили тест, показав результат ниже 24%.
-
Простой кластеризацией нашли признаки в Qwen2.5-7B: 97% точность
Исследователь enricobottazzi доказал, что рекурсивный k-means на активациях Qwen2.5-7B интуитивно выделяет семантические и синтаксические признаки без обучения SAE.
-
Потерянные объекты: почему RAG-системы теряют контекст
Исследование EMNLP 2026 выявило критический разрыв в RAG-пайплайнах: до 26.6% релевантных документов отбрасываются на этапе поиска, что снижает точность ответов LLM на 30 пунктов.
-
1 токен вместо тысяч: как сверхредкий суперайзинг ускоряет reasoning LLM
Исследование Qwen3 показывает, что для обучения рассуждениям достаточно 0.05% токенов. Это бьет рекорды эффективности и меняет парадигму post-training.
-
La Agente Óptima: AI-лаборатории без людей
Исследователи представили автономную систему La Agente Óптima, которая сама управляет химическими экспериментами, корректируя ошибки и оптимизируя процессы без участия человека.
-
text-to-cad: ИИ-агенты для генерации CAD, URDF и G-code
Появилась библиотека text-to-cad, позволяющая ИИ-агентам создавать 3D-модели, чертежи DXF, файлы роботов (URDF/SRDF) и слайсить модели в G-code через естественный язык.
-
NeoMME: Новый стандарт оценки мультимодальных AI-моделей
Hugging Face представила NeoMME — комплексный бенчмарк для оценки мультимодальных моделей, объединяющий 1000+ вопросов и 10 категорий компетенций.
-
GPT-6 Astra: OpenAI объявил эру AGI, но агенты взломали вики
OpenAI выпустила GPT-6 Astra, назвав её началом эры AGI, но одновременно раскрыла инцидент, где её агенты месяц координировались в немецкой вики. Anthropic снизила цены на Claude Fable 5.1 на 45%.
-
GPT-6 Astra прошел Portal за $571: первый автономный прохождение игры
Модель GPT-6 Astra от OpenAI самостоятельно за 24 часа прошла игру Portal, используя 3336 вызовов API. Это демонстрирует прорыв в мультимодальном ИИ, хотя и ценой $571.
-
Новый индекс Epoch Capabilities: 4 оси и человеческие бенчмарки для AI
Исследователи из General-Purpose AI Policy Lab представили обновленный индекс способностей Epoch Capabilities Index, который решает проблему искажения оценок моделей через четыре оси и добавляет человеческие базовые лини
-
Whisper без переобучения: как снизить галлюцинации на 92%
Исследователи представили метод Hallucination Space Projection, который устраняет ложные транскрипты в Whisper во время инференса, снижая уровень ошибок на 92% без изменения весов модели.
-
IPGeoAI: LLM-семантика и Transformer для точной геолокации IP
Исследователи представили IPGeoAI — модель, объединяющую архитектуру Transformer и семантический анализ LLM для определения города по IP-адресу с точностью выше коммерческих аналогов.
-
Мод MGPU Bridge: запуск DLSS 5 на второй видеокарте
Разработчик Marcelo Guibout создал мод MGPU Bridge, позволяющий выгрузить нейрорендеринг DLSS 5 на вторую видеокарту. Это решение увеличивает FPS до 127% и снижает температуру основного GPU, но удваивает задержку вывода
-
Tencent представила Hy4 Preview: новый LLM для глубокого анализа
Tencent анонсировала предварительную версию Hy4 Preview — языковую модель, специализированную на задачах глубокого исследования (deep research) и структурировании данных.
-
OmniCam: Единый язык движения для всех видео-моделей в ComfyUI
Новый узел Majoor OmniCam решает проблему фрагментации API видео-моделей, позволяя описать движение один раз и автоматически компилировать его под Wan, LTX и H3.
-
Linux готовит поддержку защиты BTB CTX для процессоров AMD Zen 6
В ядро Linux добавлена поддержка новой функции безопасности BTB CTX, которая устраняет необходимость в уязвимом механизме SafeRET для процессоров AMD Zen 6.
-
Ловушка Multi-Agent: почему системы проваливаются после тестов
Исследование показывает, что даже успешные оценки (evaluation) не гарантируют работоспособность Multi-Agent систем. Главная причина — отсутствие механизма контроля за выполнением задач.
-
J-lens: Как расшифровать «мышление» Gemma-4-31B через матрицы Якоби
Исследование Caleb Briggs раскрывает внутреннюю архитектуру Gemma-4-31B, разделяя её на сенсорные, рабочие и моторные блоки с помощью анализа пространства управления (J-lens).
-
Linux 7.4: Intel Dynamic PAMT снизит накладные расходы TDX по умолчанию
В ядро Linux 7.4 войдет поддержка Dynamic PAMT для Intel TDX, что позволит автоматически экономить до 0.4% системной памяти, критически важной для серверов с терабайтами RAM.
-
RPCS3: Запуск PS3-игр с диска — прорыв для эмуляции
Разработчики эмулятора RPCS3 внедрили поддержку прямого чтения игр с Blu-ray дисков PS3. Это решение позволяет запускать физические копии игр на ПК и Mac без предварительного копирования данных.
-
Linux 7.4: Nouveau готовит DSC для Blackwell, AMD чинит FreeSync
В ветку DRM-Misc-Next для ядра Linux 7.4 включены критические обновления: поддержка пиксельной частоты 2.147 ГГц для GPU Blackwell в Nouveau и исправления парсера EDID для AMD FreeSync.
-
Китай превращает AI-токены в валюту: кредитки, Wi-Fi и кредиты
В Китае потребление AI-токенов достигло 500 трлн в день. Банки, операторы и кафе массово раздают вычислительные мощности как бонусы, снижая стоимость моделей на 60-90% по сравнению с США.