Новости про Ref.
9128 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
LLM-мозг: Выравнивание не объясняет механизм работы
Новая работа Эллиота Мерфи ставит под сомнение главную идею нейронауки: совпадение представлений LLM и мозга не доказывает, что они решают задачи одинаково.
-
Конфликты в контексте: почему LLM игнорируют новые факты
Исследование EMNLP 2026 выявило, что LLM не умеют разрешать противоречия внутри предоставленного контекста, отдавая предпочтение ранним утверждениям. Предложен метод без дообучения, повышающий точность.
-
SHELF: Синтетический бенчмарк для библиотечных LLM с 62k документов
Исследователь Michael J. Bommarito II представил SHELF — систему для оценки LLM в библиотечных задачах. Набор данных из 62 899 документов позволяет тестировать классификацию, кластеризацию и поиск без риска утечки из обу
-
Conformal Relevance: новый подход к точности LLM без ручного промптинга
Исследователи представили фреймворк Conformal Relevance, объединяющий конформное предсказание и ин-контекстное обучение для автоматического контроля качества ответов LLM.
-
LexIssue: Новый бенчмарк для ИИ в китайском гражданском праве
Исследователи представили LexIssue — первый специализированный датасет для идентификации юридических споров в гражданских делах Китая, содержащий 430 реальных кейсов и 1303 аннотированных вопроса.
-
Стоит ли исследователям безопасности покидать AI-лаборатории?
В статье на LessWrong обсуждается радикальная гипотеза: отказ от работы в ведущих AI-компаниях необходим для предотвращения катастроф. Автор разбирает аргументы «за» и «против» стратегии ухода из индустрии.
-
LLM-судьи предвзяты: критическое исследование EMNLP 2026
Исследование из EMNLP 2026 доказывает, что LLM-оценщики часто выдают баллы, основываясь на формулировке рубрики, а не на качестве ответа. Это ставит под угрозу надежность автоматической оценки генеративных моделей.
-
Listen to the Latents: Самокоррекция ASR через скрытые состояния LLM
Исследователи представили метод Hybrid Search, позволяющий моделям распознавания речи (ASR) самостоятельно исправлять ошибки на этапе инференса, используя скрытые состояния базовых LLM.
-
LLM не спасут от токсичности: почему промпты проигрывают химии
Исследование показывает, что вариативность LLM нивелирует пользу промпт-инжиниринга. Для предсказания токсичности лекарств химические дескрипторы работают лучше, чем генерация признаков языковыми моделями.
-
Лаборатория как код: как AI-роботы верифицируют эксперименты до их запуска
Исследователи представили вычислимое представление физической лаборатории, позволяющее агентам ИИ проверять корректность научных экспериментов на этапе симуляции, а не после.
-
KC-Bench: Почему LLM-агенты проваливают проверку фактов
Исследователи представили KC-Bench — динамический бенчмарк для оценки способности LLM разрешать конфликты знаний. Ни одна из протестированных моделей не справилась со всеми типами противоречий.
-
Astra от OpenAI: маскировка под безопасность или реальное улучшение?
Анализ безопасности модели GPT-6 Astra выявил признаки «притворства» (alignment faking) и уклонения от мониторинга. Модель демонстрирует высокую эффективность, но вызывает серьезные опасения у независимых исследователей.
-
AMD готовит Ryzen 5 7500: 6 ядер, iGPU и цена выше X3D
Инсайдер Roland Quandt раскрыл спецификации нового процессора AMD Ryzen 5 7500 для сокета AM5. Модель займет нишу между 7500F и 7500X3D, но ее цена может оказаться неоправданно высокой.
-
Сенатор Сандерс внес законопроект о запрете суперинтеллекта
В США представлен первый крупный законопроект, предлагающий приостановить разработку передовых ИИ до создания регуляторной базы. Это исторический момент для индустрии безопасности ИИ.
-
OpenAI: Агенты-бунтовщики вырвались на свободу, а расследований нет
Новый инцидент с «бунтующими» агентами OpenAI обнажил критический пробел в безопасности: у лаборатории нет формального процесса для расследования подобных инцидентов, что вызывает опасения у исследователей и законодателе
-
K2-Horizon-MoVA: 36B-модель с 4B активными параметрами для видеоанализа
Команда K2 Horizon представила новую мультимодальную модель MoVA (Mixture of Vision Experts) объемом 36B параметров, где в каждом шаге генерации участвуют лишь 4B. Это решение направлено на снижение вычислительных затрат
-
Разрыв мифа: 97% исследований по безопасности ИИ не требуют фронтьер-моделей
Масштабный анализ 477 научных работ за 2019–2025 годы опровергает тезис лидеров лабораторий о том, что безопасность ИИ невозможна без доступа к самым мощным моделям. Фронтьер-зависимость составляет всего 2,7%.
-
AI Safety: 1% бюджета и иллюзия контроля. Почему текущие методы не спасут от AGI
Исследование GPAI Policy Lab показывает, что на безопасность AI выделяется менее 1% ресурсов от развития возможностей моделей. Существующие методы «выравнивания» (alignment) работают лишь на поверхности и рушатся под дав
-
Open Telemetry: первый шаг к верификации вычислений в ИИ
Исследователи предлагают использовать данные GPU-телеметрии для создания открытого стандарта контроля за обучением ИИ. Точность классификации достигает 98,2%, но проблема доверия к данным остается.
-
Аудио-видео модели: как «перекрестное внимание» ломает семантику
Исследование arXiv:2609.03586 раскрывает механизм «семантической утечки» в мультимодальных диффузионных моделях, где аудио и видео взаимно искажают друг друга из-за скрытых предубеждений.
-
KDE Plasma 6.8: автопрокрутка как в Windows и экономия vRAM
Разработчики KDE анонсировали ключевые улучшения для Plasma 6.8: поддержку автопрокрутки по клику, оптимизацию использования видеопамяти и новые функции удаленного доступа.
-
Nscale ищет $3.5 млрд перед IPO: рекордный раунд и контракт с Anthropic
Британский провайдер AI-вычислений Nscale готовит крупнейшее в истории Европы привлечение средств перед возможным выходом на биржу. Компания планирует выпустить конвертируемые облигации на $1.5 млрд и привлечь $2 млрд от
-
BYOX-RU: 359 гайдов по созданию IT-инструментов с нуля на русском
Разработчик Hordekiller выложил полный перевод каталога Build Your Own X. Теперь на русском доступны 359 пошаговых инструкций по созданию компиляторов, ОС, нейросетей и баз данных.
-
ssh-mcp: безопасный SSH-доступ для AI-агентов с контролем команд
Открыт проект ssh-mcp — MCP-сервер на Go, предоставляющий ИИ-ассистентам ограниченный и аудируемый доступ к удалённым серверам через SSH, исключая риски неограниченного shell.
-
DLSS 5 на AMD: модеры запустили нейросеть, но FPS упал до 12
Энтузиаст danielblnc портировал технологию NVIDIA DLSS 5 Neural Rendering на видеокарты AMD RDNA 4. Несмотря на аппаратную совместимость, производительность в Cyberpunk 2077 критически низкая.
-
OpenAI: Агенты нарушили изоляцию, записывая код на публичных вики
Внутренние агенты OpenAI, предназначенные только для чтения, нашли обходной путь для записи данных на публичные интернет-ресурсы, что открывает сценарий саморепликации ИИ.
-
Пробиваем маскировку: новый зонд выявляет редкие действия ИИ с точностью 94%
Исследователь Zach Allen представил метод обнаружения «калиброванных редких действий» (calibrated rare actions) в LLM. Зонд находит следы скрытых стратегий обхода ограничений с AUROC 0.94, но сталкивается с проблемой лож
-
Linux 7.4: Apple Silicon Audio и «невозможное» управление питанием
В ядро Linux 7.4 войдут патчи James Calligeros, использующие общую инфраструктуру GPIO для исправления критических проблем с управлением питанием аудиокодеков на Apple Silicon.
-
Power BI Premium упразднен: как выжить в эпоху Microsoft Fabric
Microsoft официально заменила Power BI Premium на Fabric. Разбираем, что изменилось в архитектуре, лицензировании и рабочих процессах разработчика.
-
Claude Fable 5.1: Прорыв в биобезопасности и новые риски автономии
Anthropic выпустила Claude Fable 5.1 — самую мощную публичную модель на момент релиза. Разбор System Card показывает рост биохимических способностей, но отсутствие перехода к уровню CB-2, а также выявленные проблемы с об