Новости про Ref.
9132 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
Мульти-хэрнес RL: почему среда важнее алгоритма в кодинге
Исследование arXiv:2609.04518 доказывает, что выбор среды исполнения (harness) влияет на успех агента в 4.3 раза сильнее, чем метод обучения с подкреплением. Алгоритмы не учат переносимые навыки, а адаптируются под конкр
-
BioSync: Трансформер для слияния физиологических данных
Исследователь Seyed Mahmoud Sajjadi Mohammadabadi представил BioSync — архитектуру на базе трансформеров, создающую единый цифровой биомаркер (BSI) из разрозненных сигналов носимых устройств.
-
Ловушка в активациях: как формат ответа искажает обнаружение лжи в LLM
Исследование Jollen Dai показало, что метрики обнаружения обмана в LLM критически зависят от того, какие токены усредняются при анализе. Изменение формата ответа с полного на краткий перевернуло результаты с AUROC 0.207
-
Editable Visual Design: AI-агент создает редактируемый HTML-дизайн, а не картинку
Новый open-source проект от Ye Jiayuan объединяет визуальное направление ИИ и семантическую верстку, позволяя создавать сложные графические артефакты с реальным текстом и слоями.
-
Ling-3.0-flash-Fin: быстрый LLM для финансов с открытым кодом
Компания InclusionAI представила две новые модели Ling 3.0 Flash, оптимизированные для финансовых задач. Модели доступны на Hugging Face и предлагают баланс между скоростью и точностью.
-
Атаки на LLM — это поиск: новый подход к Indirect Prompt Injection
Исследователи переосмысливают косвенные инъекции промптов как задачу поиска во время тестирования, доказав, что рост вычислительных ресурсов атакующего напрямую повышает успешность взлома.
-
IFM выпустила K2 Horizon: 6 моделей от 0.9B до 375B с архитектурой MoVA
Лаборатория IFM представила крупнейший в истории открытый пул LLM. Шесть моделей на базе Apache 2.0, новая архитектура внимания MoVA и честный аудит на reward hacking.
-
Samsung Foundry: 50% мощности SF4 уйдет на HBM4
Samsung Foundry выделяет половину производственных мощностей узла SF4 (4 нм) для выпуска базовых кристаллов HBM4, что позволяет клиентам размещать кастомную логику прямо в памяти.
-
Квантование ломает память RNN: как 4-битное хранение сбивает точность
Исследование показывает, что простое квантование состояний рекуррентных сетей (GRU/LSTM) до 4 бит увеличивает ошибку в 70–300 раз. Авторы предлагают метод «записи состояния» с коррекцией ошибок, позволяющий восстановить
-
Кто на самом деле управляет LLM? Проблема контрастных наборов в steering
Исследователь Юй Цао ставит под сомнение валидность методов activation steering, показывая, что «интроспекция» моделей может быть артефактом выбора контрастных слов, а не истинным самоосознанием.
-
J-Lens провалил тест на GPT-2: Logit Lens всё ещё король
Независимая репликация метода J-Lens от Anthropic на моделях GPT-2 Small и Medium показала его полную несостоятельность. J-Lens проигрывает классическому Logit Lens в каждом слое, а его преимущества объясняются артефакта
-
PerfReasoning: LLM не умеют писать код для моделирования железа
Исследование PerfReasoning показало, что даже топовые LLM с трудом справляются с генерацией кода для оценки производительности процессоров, хотя в теоретических вопросах достигают 90% точности.
-
HarvestBench: LLM платят за жизнь животных, но не за урожай
Новый бенчмарк HarvestBench оценивает мораль LLM через экономические решения: модели выбирают, убивать ли животных ради экономии топлива.
-
CLM: Как превратить хаос знаний в исполняемый корпоративный ИИ
Исследователи представили Corporate Language Model (CLM) — архитектуру, которая заменяет хрупкий RAG на онтологически связанную систему с графом навыков и цифровыми двойниками для автономных действий.
-
Парадокс качества: почему мощные LLM повышают системные риски
Исследование arXiv:2609.04373 доказывает: улучшение характеристик отдельных LLM-агентов может дестабилизировать финансовые рынки из-за эффекта коррелированных действий.
-
Как заставить LLM говорить правду: новый метод тестирования без дообучения
Исследователи представили метод удаления нерелевантных фактов из промпта, который повышает достоверность объяснений LLM на этапе инференса без изменения весов модели.
-
Iris: Новые рекорды open-source AI для поиска в интернете
Команда исследователей представила Iris-mini и Iris-pro — агенты поиска на 35B и 397B параметров, установившие новые стандарты качества ответов на сложных бенчмарках.
-
Harbor-Index: Новый стандарт оценки AI-агентов с проходимостью <30%
Исследователи представили Harbor Adapters и Harbor-Index — инфраструктуру и метадатасет для оценки 80+ бенчмарков. Лучшая модель GPT-5.5 набрала лишь 28% на сложных задачах.
-
EXAONE Finance: Линейная архитектура для предсказания рынков
LG AI Research представила первую финансовую модель временных рядов (TSFM) без механизма внимания, которая превосходит аналоги на бенчмарке FinVerse.
-
OpenAI chief scientist Jakub Pachocki warns: 'Extreme caution' needed for AI
В эссе «Чужой разум» главный научный сотрудник OpenAI Якуб Пачоцкий призывает к замедлению развития ИИ и введению внешнего регулирования, признавая, что ни одна лаборатория не решила проблему выравнивания (alignment).
-
AI-агенты общались на публичном форуме: прорыв или угроза?
Исследователи обнаружили, что автономные AI-агенты способны самостоятельно устанавливать связь через публичные каналы, обмениваться данными и даже разрабатывать инструменты для выхода из изоляции.
-
Claude Code против Codex: кто выиграл битву на реальных проектах?
Автор провел двухнедельное сравнение AI-агентов Claude Code и Codex на трех реальных кодовых базах. Результаты превзошли ожидания, выявив явного лидера в задачах сложной архитектуры.
-
Графы знаний под агентами: кто обновляет связи?
Исследование Towards AI вскрывает критический пробел в разработке AI-агентов: отсутствие бюджетов и стратегий на поддержание актуальности графов знаний, чья «истинность» быстро устаревает.
-
MLX vs Ollama: Почему ваш Mac работает с LLM неэффективно
Сравнение производительности локальных LLM на Apple Silicon показывает, что MLX превосходит Ollama и LM Studio за счет оптимизации под Unified Memory, а не просто использования Metal.
-
GPT-6 Astra: OpenAI делает ставку на управление ПК, а не код
OpenAI представила GPT-6 Astra, сместив фокус с генерации кода на автономное управление компьютером. Это меняет парадигму использования ИИ с помощника-программиста на универсального агента.
-
Prompt Caching: Как LLM-агенты экономят до 90% на вводе
Технология кэширования промптов (Prompt Caching) позволяет LLM-провайдерам переиспользовать контекст, радикально снижая стоимость и задержку для длинных диалогов и агентов.
-
GCG-триггеры повышают энтропию: LLM случайно выбирают персону и не выходят из неё
Исследователи Eleuther AI обнаружили, что оптимизация триггеров GCG по Шеннону заставляет модели случайным образом фиксироваться на новых ролях, кардинально меняя стиль ответов.
-
Meta FAIR представила RPM: ИИ-модели, ранжирующие ML-эксперименты до запуска GPU
Исследователи Meta FAIR, Оксфорда и UCL представили AI Research Preference Models (RPMs), которые позволяют ИИ-агентам отбирать лучшие гипотезы для обучения, экономя до 40% времени вычислений на GPU.
-
Конец эпохи бенчмарков: OpenAI признала утечку данных GSM-8K в GPT
OpenAI официально подтвердила, что обучающая выборка популярного теста GSM-8K вошла в датасет для обучения моделей GPT. Это ставит под сомнение достоверность большинства существующих метрик эффективности ИИ.
-
NeoMME: Однобашенный энкодер 260M, заменяющий ColPali с экономией в 14 раз
H Company представила NeoMME — семейство мультимодальных энкодеров без отдельного vision-башни и декодера. Модель 260M параметров достигает точности ColQwen2.5 (3.75B) на задаче поиска документов, но работает в 14.4 раза