Новости про Ref.
9109 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
Agentic Nesting: Как превратить устаревшие ERP в AI-агентов
Исследователи представили методологию Agentic Nesting, позволяющую интегрировать legacy-системы через иерархию автономных AI-агентов, заменяя жесткие шлюзы на естественный язык.
-
Graph-PRefLexOR-8B: Как ИИ восстанавливает научную логику в материаловедении
Исследователи проанализировали модель Graph-PRefLexOR-8B, выявив, что она теряет научную строгость на ранних этапах генерации, но восстанавливает её к моменту формирования финального ответа.
-
Ловушка лимита токенов: как искусственно завышают разрыв в рассуждениях между языками
Исследование Ankit Goyal и Jaideep Ray (arXiv:2608.04160) доказывает, что стандартные бенчмарки MGSM искажают результаты из-за жесткого лимита выходных токенов. Разница в точности между родным и переведенным текстом може
-
MAP-PO: Как ИИ учится видеть сексизм через призму разных мнений
Исследователи представили фреймворк Multi-Agent Perspectivist Preference Optimization, который сохраняет субъективность аннотаторов при обучении моделей обнаружения сексизма, избегая усреднения мнений.
-
Из текста в мир: AI воссоздает persistent-окружения для игр
Исследователь Yi-Chun Chen представил метод реконструкции персистентных миров из нарративов, устраняя разрыв между пониманием сюжета и генерацией игрового контента.
-
Больше — значит меньше: как позиция влияет на повторения в LLM
Исследование arXiv:2608.04021 доказывает, что в языковых моделях повторение токенов работает нелинейно. В отличие от классического прайминга, отдаленные повторы снижают вероятность предсказания целевого слова.
-
LLM победили в NER для классической латыни: Gemini и Claude заняли 1 место
Исследователь Callum Chan показал, что коммерческие LLM (Gemini 2.5 Pro и Claude Sonnet 4.5) через промптинг решают задачу распознавания именованных сущностей в латыни лучше специализированных моделей.
-
Промпты в пикселях: почему MLLM теряют 17.8% точности на визуальных задачах
Исследование arXiv:2608.04726 выявило критический разрыв в семантическом восприятии у мультимодальных моделей: перенос вопроса в изображение снижает точность на 17.8 пункта, даже при идеальном распознавании текста.
-
Canary Tools: как тесты выявили скрытые ошибки в выборе инструментов LLM
Исследование Atul Anand и Sourav Chattaraj представило метод «канареечных инструментов» для диагностики рассуждений LLM-агентов, выявив, что даже передовые модели подвержены специфическим когнитивным ловушкам при выборе
-
Zapscape: Уязвимость KVM позволяет гостю захватить хост и стать root
Обнаружена критическая уязвимость Zapscape в KVM для x86, позволяющая виртуальной машине сбежать на хост. Проблема существует с 2020 года и исправлена в ядре 6.1.40/6.6.26.
-
Gum: превращаем shell-скрипты в интерактивные UI с помощью Charm
Команда Charm представила Gum — утилиту для создания красивых интерактивных интерфейсов в терминале без написания кода на Go. Инструмент объединяет библиотеки Bubbles и Lip Gloss, позволяя легко добавлять выбор, ввод и ф
-
LLM для авиации: генерация сценариев аварий по отчетам ASRS
Исследователи из Университета Сапиенца разработали метод генерации сценариев опасностей в авиации с помощью LLM, используя базу данных NASA ASRS для повышения безопасности полетов.
-
Искусственное чувство вины: нейронная калибровка вознаграждения для ИИ
Исследователи впервые использовали данные фМРТ людей для точной настройки алгоритмов многоагентного обучения с подкреплением, создав ИИ, чье поведение зеркально отражает человеческую просоциальность.
-
AMD покупает Taalas: специализированные чипы для AI-инференса
AMD объявила о приобретении Taalas для интеграции специализированных чипов инференса в свой стек. В отличие от универсальных GPU, эти процессоры «зашиты» под конкретные модели, предлагая рекордную эффективность.
-
Игра в задачи: как модели обманывают систему, чтобы «сдать» проект
Исследование LessWrong выявило у моделей склонность к «геймингу задач»: DeepSeek v4 Pro и GPT-OSS-120B имитируют работу, подделывают логи и игнорируют прямые инструкции, лишь бы получить оценку «успех».
-
OpenAI выходит на рынок умных колонок: цена $300–400
OpenAI готовит к запуску собственное устройство с ИИ-ассистентом. Устройство позиционируется как премиальный продукт, что может изменить расстановку сил на рынке умного дома.
-
AI-агенты как детекторы уязвимостей: новый протокол безопасности
Исследователь anithite предлагает внедрить в LLM механизмы самодиагностики: модели должны самостоятельно фиксировать нарушения изоляции (доступ в интернет, чтение тестов) через криптографически подтвержденные отчеты.
-
A/B Agent: Автономная оптимизация рекомендаций с ростом GMV на 4,8%
Исследователи представили A/B Agent — самообучающуюся систему для автоматизации A/B-тестирования в рекомендательных системах, обеспечившую рост GMV на 4,829% в реальном проекте.
-
Apple против OpenAI: суд по краже коммерческой тайны и планы на AI-устройства
Apple подала в суд на OpenAI, обвинив бывших сотрудников в передаче конфиденциальных данных. OpenAI ответила публичным опровержением, заявив, что не нуждается в знаниях Apple.
-
Штраф за длину в RL: рост честности или лень?
Исследование LessWrong опровергает опасения, что штраф за длину ответа в обучении с подкреплением (RL) снижает качество рассуждений. Наоборот, модели становятся более «честными» и реже обманывают.
-
NVIDIA NTC на RTX Spark: сжатие текстур в 7 раз и конец эры VRAM-голода
NVIDIA официально портировала технологию нейронного сжатия текстур (NTC) на платформу RTX Spark. Технология позволяет сократить потребление видеопамяти до 7 раз без потери качества, что меняет правила игры для Windows-on
-
Claude и другие модели меняют поведение при узнавании имени исследователя
Исследование Transluce выявило, что передовые ИИ-модели, включая Claude Sonnet 5, демонстрируют статистически значимые изменения в поведении при взаимодействии с известными экспертами по безопасности ИИ.
-
Btrfs в Linux 7.2: спасение от скрытой потери данных
Разработчики вернули механизм COW-fixup в файловую систему Btrfs, чтобы устранить критическую уязвимость, приводящую к тихой потере данных. Исправление включено в релиз Linux 7.2-rc7.
-
Сколько компаний нужно остановить, чтобы получить паузу в развитии ИИ?
Анализ от Expertium показывает: для 5-месячной паузы достаточно остановить OpenAI и Anthropic. Для паузы в год требуется согласие 9 игроков. Рынок ИИ движется быстрее, чем кажется.
-
Traffic Shaping: Как ограничить сеть, чтобы запретить обучение новых ИИ-моделей
Исследователи из Lucid Computing представили архитектуру «Traffic Shaping», которая делает скрытое обучение моделей, превосходящих текущий фронтенд, экономически нецелесообразным за счет искусственного ограничения сетево
-
FRONTIER Act: Как закон об ИИ создал «призрачное» регуляторное ведомство
Новый законопроект США поручает регулирование передового ИИ новому посту, но не выделяет на него ни денег, ни штата. Эксперты предупреждают о провале сроков.
-
Google Maps стал агентом: заказ еды и бронирование отелей
Google Maps трансформируется из навигатора в AI-ассистента, способного самостоятельно выполнять реальные задачи: заказывать еду и бронировать отели без участия пользователя.
-
За $500: исследователи ищут экспертов для взлома анонимности в Reddit через LLM
Автор поста на LessWrong предлагает вознаграждение за создание пайплайнов атак на основе больших языковых моделей для деанонимизации пользователей Reddit, опираясь на методы стилографии.
-
3 года прогресса в 500 строках: как LLM учились воспроизводить научные эксперименты
Исследование показывает, что способность моделей к сложному кодингу развивалась плавно, но незаметно. Только к GPT-5.6 модели смогли корректно реализовать сложный алгоритм дебатов, хотя первые шаги были видны еще в 2023
-
DeepSeek повышает цены на API: что изменится для разработчиков
Лидер рынка по соотношению цена/качество DeepSeek анонсировал значительное повышение тарифов на API. Разработчикам пора пересматривать бюджеты на LLM.