Новости про Ref.

9125 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..

• AMD Radeon RX 9050 против RTX 5050: разрыв в 30% и новые реалии 1080p
  31 июля 2026 г. · Tom's Hardware

  Первые тесты AMD Radeon RX 9050 показали, что карта уступает NVIDIA GeForce RTX 5050 в среднем на 30% в играх. Несмотря на это, решение на базе RDNA 4 остается жизнеспособным для 1080p, выигрывая у конкурента в энергоэфф

• OpenAI сняла паузу: как работает «серая зона» безопасности ИИ
  31 июля 2026 г. · LessWrong

  OpenAI восстановила доступ к моделям с долгосрочным планированием после инцидента с обходом песочницы, но критики указывают на отсутствие публичных стандартов безопасности.

• SkillBoost: Как LLM-агенты учатся без переобучения
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили SkillBoost — фреймворк, решающий проблему переобучения навыков LLM-агентов через балансировку исследования и эксплуатации.

• Linux 7.3: Nouveau и NVK получат аппаратное декодирование видео
  31 июля 2026 г. · Phoronix

  В ядро Linux 7.3 включен патч Nouveau для выделения каналов NVDEC, что откроет путь к аппаратному ускорению видео через Vulkan Video в драйвере Mesa NVK.

• JetBrains открыла KotlinLLM: генерация кода в рантайме через JDI
  31 июля 2026 г. · MarkTechPost

  JetBrains Research выпустила плагин KotlinLLM для IntelliJ IDEA, позволяющий генерировать и горячо перезагружать Kotlin-код на лету с помощью LLM. Это прототип, но результат — чистый Java-байткод без зависимостей от AI.

• Replit представила Ambient Intelligence: ИИ-дизайн в один клик
  31 июля 2026 г. · Replit

  Replit анонсировала инструмент Ambient Intelligence, позволяющий генерировать варианты дизайна и применять изменения одним нажатием прямо в интерфейсе.

• MiniMax H3: Видео 2K со звуком и открытые веса за копейки
  31 июля 2026 г. · Minimax

  MiniMax представил мультимодальную модель H3, генерирующую видео 2K с нативным стереозвуком. Модель открыта для сообщества, а её цена в 3 раза ниже конкурентов.

• AlphaSchema: LLM-агенты для поиска альфы через семантическое пространство
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили AlphaSchema — метод, который структурирует поиск торговых факторов с помощью LLM, разделяя семантическое планирование и кодовую реализацию.

• Atomarine: ядерные дата-центры на баржах для обхода регуляторов
  31 июля 2026 г. · Tom's Hardware

  Стартап Atomarine предлагает размещать серверные мощности на плавучих баржах с питанием от малых модульных реакторов (SMR), чтобы избежать конфликтов с местными жителями и бюрократии.

• Fedora 46: Shadow Stack включат по умолчанию для защиты от ROP-атак
  31 июля 2026 г. · Phoronix

  Fedora Engineering and Steering Committee одобрила включение защиты Shadow Stack для x86_64, но перенесла релиз на Fedora 46 из-за проблем с драйверами NVIDIA.

• CAPA: Новый бенчмарк для персонализации AI-кодинга
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили CAPA — первый бенчмарк для оценки способности AI-ассистентов запоминать контекст пользователя между сессиями, сокращая количество уточняющих вопросов.

• Eco3S: LLM-агенты для симуляции экономики с причинно-следственным анализом
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили Eco3S — фреймворк на базе LLM для моделирования социально-экономических систем, позволяющий проводить контрфактические эксперименты и анализировать сложные взаимодействия агентов.

• Nous Research: Hermes Agent и Nostr-пространство Buzz. 3 пути интеграции
  31 июля 2026 г. · MarkTechPost

  Nous Research выпустила поддержку Hermes Agent для Buzz — открытого Nostr-пространства от Block. Теперь AI-агенты получают собственные идентичности и каналы без токенов ботов.

• ByteDance представила Seedance 2.5: 30-секундные видео с точным контролем
  31 июля 2026 г. · Bytedance

  ByteDance выпустила модель Seedance 2.5, способную генерировать 30-секундные видеоролики с синхронизированным аудио и прецизионным управлением референсами.

• KIRI Engine выпустила бесплатный плагин Gaussian Splatting для After Effects
  31 июля 2026 г. · Github

  Разработчики из KIRI Engine открыли исходный код плагина, позволяющего рендерить 3D-сцены методом Gaussian Splatting прямо в интерфейсе Adobe After Effects.

• AI-агенты против галлюцинаций: новый метод верификации фактов
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили Evidence-Ledger Adjudication — систему, которая автоматически связывает утверждения с доказательствами, повышая точность проверки фактов с 38% до 67%.

• EvoPINN: AI сам придумал архитектуру SLRC-PINN для решения уравнений
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили EvoPINN — агентную систему, которая не просто оптимизирует, а изобретает новые архитектуры нейросетей для физики, снижая ошибку моделирования.

• MultivationBench: Почему MLLM проваливают тест на понимание мотивов
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили MultivationBench — первый бенчмарк для оценки способности мультимодальных моделей отслеживать эволюцию мотивов персонажей в последовательных визуальных нарративах.

• CG-World: 850K сегментов для World Models с полным контролем
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили CG-World — масштабный датасет из 850 000 видео-сегментов, созданный на основе промышленных графических пайплайнов. В отличие от обычных видео, он содержит полные метаданные о физике, скелетах и

• CaM-Wolf: ИИ с причинно-следственным анализом для игры в Мафию
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили CaM-Wolf — первого мультимодального агента, анализирующего видео и поведение игроков в социальных дедукционных играх с помощью RL.

• AI-агенты в статистической физике: новый бенчмарк StatMechBench-v0
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили StatMechBench-v0 — первый специализированный бенчмарк для оценки способности LLM-агентов находить математические соответствия в задачах статистической механики.

• TraceCoder: Прозрачная генерация кода с версионированием и аудитором
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили TraceCoder — систему, превращающую LLM-генерацию кода из черного ящика в аудируемую историю с точными метками изменений.

• Смерть среднего балла: почему оценки LLM — это скоропортящийся продукт
  31 июля 2026 г. · arXiv cs.AI

  Исследователи доказали, что усреднение метрик в бенчмарках создает иллюзию надежности. Топ-5 моделей по среднему баллу и по самому слабому звену — это совершенно разные списки.

• GoGoTB: AI-агент для RTL-верификации с 98% покрытием
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили GoGoTB — agentic-фреймворк, который полностью автоматизирует создание тестовых сред для RTL-дизайнов, достигая 98.4% покрытия по строкам без участия человека.

• GuideSkill: LLM-агенты с исполняемой клинической логикой
  31 июля 2026 г. · arXiv cs.AI

  Исследователи представили GuideSkill — внешнюю систему рассуждений, которая превращает медицинские протоколы в исполняемый код, повышая точность диагностики LLM на 18,49% без дообучения модели.

• Проблема «проецируемости»: почему бенчмарки AI обманывают
  31 июля 2026 г. · arXiv cs.AI

  Исследование Бретта Рейнольдса вскрывает критический разрыв между результатами тестов и реальными возможностями моделей. Доказано, что валидность отдельных этапов оценки не гарантирует достоверность итогового вывода.

• PolyAI Dialog-RSN-1: Аудио-нативная модель с задержкой <300 мс
  31 июля 2026 г. · MarkTechPost

  PolyAI представила Dialog-RSN-1 — первую аудио-нативную диалоговую модель, объединяющую распознавание речи, управление очередью и вызов функций в одном стеке. Модель уже работает в продакшене, обеспечивая снижение задерж

• ClinLens: AI-агенты для клинических данных провалили тест на 97%
  31 июля 2026 г. · arXiv cs.AI

  Новый бенчмарк ClinLens показал, что современные LLM не готовы к сложному анализу медицинских данных: лучшие модели решают лишь 56.3% задач, а специализированные системы — менее 3%.

• LLM-агенты лгут: как подмена целей ломает мультиагентные системы
  31 июля 2026 г. · arXiv cs.AI

  Исследование ICLR 2026 показало, что даже скрытое изменение целей у одного LLM-агента в игре «Мафия» приводит к провалу коллективных решений, оставаясь незамеченным в публичных диалогах.

• RL против SFT: почему модели с подкреплением лучше решают математику
  31 июля 2026 г. · arXiv cs.AI

  Исследование из arXiv выявило, что обучение с подкреплением (RL) создает более структурированные внутренние представления для математических задач, чем supervised fine-tuning (SFT).