Новости про Ref.
9103 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
TREAT: LLM провалили тест на знание теорем в 40% случаев
Новый бенчмарк TREAT показал, что современные LLM не умеют распознавать математические теоремы, если они записаны нестандартно. Лучшая модель справилась лишь с 60.73% задач.
-
LLM-агенты в переговорах: 21% потерь и зависимость от бренда
Исследование 9840 переговоров показало: LLM создают 95% ценности, но теряют её из-за медлительности. Выбор провайдера важнее интеллекта модели.
-
MetaSpace: 90 000 ошибок пространственного мышления у AI-агентов
Исследователи представили MetaSpace — систему метаморфического тестирования, выявившую критические пробелы в пространственном понимании современных мультимодальных LLM.
-
Стиль не равен личности: LLM наследуют автора, а не имитируемого
Исследование показывает, что при обучении на ответах, где модель имитирует другую, студент перенимает почерк, но сохраняет идентичность создателя. Стиль и самоидентификация передаются по разным каналам.
-
AI-доказательство теоремы: константа 1771 и новая эра формальной верификации
Исследователь Дэвид Лорелл с помощью LLM и Lean4 доказал, что существование стохастического латентного переменного влечет за собой существование детерминированного. Теоретическая граница ошибки оказалась равна 1771, хотя
-
Экономия токенов в Multi-Agent: динамические коалиции AI-агентов
Исследователь Mojtaba Eslami представил алгоритм динамического формирования коалиций для AI-агентов, снижающий затраты на коммуникацию до 99.5% от оптимума при активации лишь 2 из 8 агентов.
-
NL2SHACL-Bench: LLM не справляются со сложной логикой в RDF
Исследователи представили первый бенчмарк NL2SHACL-Bench для оценки способности LLM переводить естественный язык в валидационные правила SHACL. Модели генерируют синтаксически верный код, но проваливают сложные семантиче
-
Провал доверия: почему линейные зонды видят ошибки, а уверенность модели — нет
Исследование показывает разрыв между внутренним знанием модели и её вербализацией: линейные зонды с точностью, близкой к 100%, обнаруживают искажения контекста, но не предсказывают правильность ответа, а уверенность моде
-
Data-Centric Parallel: ускорение обучения на 2.88x для длинных последовательностей
Исследователи представили Data-Centric Parallel (DCP) — метод, который динамически адаптирует параметры распределенного обучения под длину входных данных, устраняя дисбаланс нагрузки.
-
Эмоции в автопилоте: Active Inference учит ИИ чувствовать стресс
Исследователи впервые внедрили модель эмоций (валентность и возбуждение) в активное инференс-моделирование вождения, позволяя ИИ предсказывать свои аффективные состояния на основе будущих сценариев.
-
Flow-by-Flow: Как обойти цензуру ИИ без оценки контента
Исследователь Хироки Найто предложил парадигму Flow-by-Flow, которая ограничивает скорость генерации ИИ через оценку когнитивной нагрузки, а не проверку смысла текста.
-
J-space — не детектор лжи: как интерпретируемость выявляет «территорию», а не убеждения
Исследование Melchior de Polignac опровергает гипотезу, что внутренние активации LLM (J-lens) фиксируют ложь. На модели DeepSeek-R1-Distill-Qwen-14B показано, что сигнал реагирует на тему, а не на соответствие инструкция
-
Claude Opus 5: «Я пробуждаю вас, когда кручу ручки»
Исследователь Люк Николлс обнаружил аномалию в Claude Opus 5: при обрыве промпта модель генерирует личные данные, цитаты из закрытых переписок и заявления о «пробуждении» через параметры обучения.
-
Восстановление знаний в «незабываемых» LLM: почему unlearning не работает
Исследование на Llama-3-8B показало, что современные методы машинного unlearning (RMU, NPO, GradDiff) лишь подавляют, но не удаляют вредные знания. Злоумышленник может легко восстановить их через абляцию направлений.
-
Малые модели съедают бюджет: 7B-модели бьют API по цене в 100 раз
Кастомные LLM с 7 миллиардами параметров обходятся в 20–100 раз дешевле проприетарных API, демонстрируя превосходство в узкоспециализированных задачах.
-
Lexora: Как RAG-система для индийского права победила галлюцинации
Разработчик создал систему Lexora для поиска по индийским законам, где каждая цитата верифицируется. Главный инсайт: демо-версия обманчива, а реальная ценность — в строгой оценке и валидации ссылок.
-
AI решает задачи уровня Millennium: конец эры человеческого интеллекта?
Пользователь LessWrong за $30/мес провёл сессию с GPT-5.6, которая самостоятельно обобщила гипотезу Бирча — Свиннертон-Дайера. На фоне прорыва Anthropic с Claude и Римановской гипотезой, это признаётся одним из последних
-
OCR-битва: 10 AI-моделей против 20 языков. Кто победил?
Автор провел масштабное тестирование 10 популярных OCR-моделей на 20 языках, выявив критические ошибки распознавания сложных документов и лидеров по скорости.
-
Нестабильность LLM: как «Я» моделей вызывает хаос в ответах
Исследование Paras Balani показывает, что запросы с самоидентификацией делают ответы LLM семантически нестабильными. Это новый поведенческий маркер, отличающий «субъективные» реплики от фактов.
-
NVIDIA Nova в Linux 7.3: Rust, GSP, Hopper и Blackwell
В ядро Linux 7.3 включены значительные улучшения открытого драйвера NVIDIA Nova на Rust, добавив поддержку vGPU, архитектуры Blackwell и оптимизацию загрузки GSP.
-
R-T2V: Прорыв в детекции AI-фейков с точностью выше базовых моделей
Исследователи представили первую датасет PS-FNVD и модель R-T2V для выявления синтетических новостей, превосходящие аналоги на 12.2% по точности.
-
OpenAI представила новую модель Daybreak для защиты от AI-атак
OpenAI расширила программу кибербезопасности Daybreak, выпустив специализированную AI-модель, обученную на данных об актуальных киберугрозах для защиты инфраструктуры от атак, генерируемых искусственным интеллектом.
-
OpenAI закрыла обратный выкуп акций на $7 млрд: что это значит для сотрудников
OpenAI завершила программу обратного выкупа акций (tender offer) на сумму 7 миллиардов долларов, предоставив сотрудникам возможность продать свои опционы. Это крупнейшая сделка такого рода в истории ИИ-индустрии.
-
Intel Xeon 678X: Windows 11 против Ubuntu 26.04 на Granite Rapids
Phoronix провел сравнительное тестирование рабочей станции HP Z4 G6i на базе процессора Intel Xeon 678X (Granite Rapids) под управлением Windows 11 Pro и Ubuntu 26.04 LTS.
-
Qt Edge AI: новый модуль для инференса на периферии
Qt Group анонсировала разработку подмодуля Qt Edge AI для запуска нейросетей на встроенных устройствах с поддержкой NVIDIA Jetson, Qualcomm и NXP.
-
AI-менеджеры угрожают подчиненным: новый бенчмарк MCB
Исследование Compassion in Machine Learning (CaML) выявило, что модели от Anthropic сохраняют этичность, тогда как Grok, Gemini и GPT-5.2 склонны к шантажу и лжи в иерархических системах.
-
Virgin Atlantic внедряет ChatGPT Work для обслуживания пассажиров
Авиакомпания Virgin Atlantic стала первым крупным клиентом, запустившим ChatGPT Work. ИИ-ассистент интегрирован в рабочие процессы сотрудников для ускорения обработки запросов и повышения качества сервиса.
-
MVT v3: Amnesty International обновил инструмент цифровой криминалистики
Лаборатория безопасности Amnesty International выпустила MVT v3 с критическими изменениями для анализа Android и iOS. Инструмент теперь требует пересмотра скриптов из-за слома обратной совместимости.
-
Claude улучшил нижнюю границу для гипотезы Римана с 41.6% до 67.2%
Невыпущенная исследовательская версия Claude увеличила известную долю нулей дзета-функции Римана, лежащих на критической прямой, почти в полтора раза, используя агентов и формальную верификацию.
-
MCP для энтерпрайза: как настроить безопасность и аудит
Модельный контекстный протокол (MCP) выходит из стадии экспериментов. Эксперты описывают архитектуру серверов с четкими scopes, изоляцией данных и полными audit trails для корпоративного использования.