Новости про Ref.

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

• FCMS в непрерывном времени: новая теория стабильности для мультиагентных систем
  14 июля 2026 г. · arXiv cs.AI

  Исследователь Stefano Grassi формализовал архитектуру Feedback-Coupled Memory Systems (FCMS) для непрерывного времени, введя строгий порог стабильности $4\beta^2 < 2\eta\mu\gamma^2$ и доказав, что диссипация памяти должн

• SLM на грани: Qwen2.5-1.5B управляет промышленностью с точностью 91.5%
  14 июля 2026 г. · arXiv cs.AI

  Исследователи продемонстрировали, как компактная языковая модель Qwen2.5-1.5B в связке с цифровым двойником обеспечивает надежное управление промышленными процессами с задержкой всего 3.84 секунды.

• Верификатор — это учебная программа: как строгий запуск улучшает генерацию игр
  14 июля 2026 г. · arXiv cs.AI

  Исследователи показали, что самообучение модели через жесткую проверку запуска (strict-launch) в 5 раз эффективнее простого добавления данных. Модель Qwen3-14B научилась создавать рабочие проекты Godot для неизвестных жа

• GES-TSP: ИИ-спарсификация графов для задачи коммивояжера
  14 июля 2026 г. · arXiv cs.AI

  Исследователи представили GES-TSP — метод обучения с подкреплением для сокращения графов в задаче коммивояжера (TSP), позволяющий удалять до 99% ребер без потери точности решения.

• YUKTI: LLM не решатель. Система снижает regret на 90% через типизированную неопределенность
  14 июля 2026 г. · arXiv cs.AI

  Исследователь Suyash Mishra представил YUKTI — фреймворк, который превращает текстовые описания в робастные решения, избегая ловушки точечных прогнозов LLM.

• Скрытое мышление как динамика: почему CODI стабилен, а COCONUT хаотичен
  14 июля 2026 г. · arXiv cs.AI

  Исследователи впервые применили теорию динамических систем к латентному Reasoning, выявив фундаментальные различия в поведении моделей CODI и COCONUT через метрики Ляпунова и UMAP.

• Формат сообщений в мультихоп-агентах: JSON спасает, но не исправляет
  14 июля 2026 г. · arXiv cs.AI

  Исследование arXiv:2607.09678 доказывает, что выбор формата передачи данных между LLM-агентами критически зависит от мощности модели-ретранслятора. Жесткие структуры (JSON) повышают точность на слабых моделях, но не рабо

• FSI: Как формат промпта меняет оценки LLM на 30x
  14 июля 2026 г. · arXiv cs.AI

  Исследование Deep Pankajbhai Mehta показывает, что выбор обертки промпта (wrapper) критически влияет на точность LLM, внося разброс результатов до 30 раз. Представлены метрики FSI и PSI для оценки устойчивости моделей.

• Toulmin в медицине: как MedGemma и MedSigLip делают ИИ-диагностику прозрачной
  14 июля 2026 г. · arXiv cs.AI

  Исследователи представили архитектуру, преобразующую сырые предсказания ML в структурированные аргументы для врачей, используя модель Тулемена и специализированные LLM.

• AI для архивов: почему генеративные модели опасны для краудсорсинга
  14 июля 2026 г. · arXiv cs.CL

  Исследование Оксфордского университета показало: хотя ИИ эффективен для автоматической разметки архивов, генеративные модели несут риски ответственности, а извлекающие модели надежнее.

• Гиперболические LLM: креативность и честность в моделях до 3B параметров
  14 июля 2026 г. · arXiv cs.CL

  Исследование показывает, что малые языковые модели (146M–3B) на гиперболической архитектуре превосходят фронтальные аналоги в эмпатии, креативности и способности к «забыванию», решая проблему доверия к ИИ-компаньонам.

• Letter Lemmatization: AI расшифровывает средневековые рукописи
  14 июля 2026 г. · arXiv cs.CL

  Исследователи представили метод Letter Lemmatization, использующий RNN-сети для автоматического восстановления оригинального текста средневековых документов, сокращений и упрощения шрифтов.

• OmniRoute: 1.6 млрд токенов бесплатно и 250 провайдеров в одном шлюзе
  14 июля 2026 г. · Github

  Новый open-source AI-шлюз OmniRoute агрегирует 250 провайдеров, экономя до 95% токенов за счет сжатия и авто-фолбэка. Проект предлагает ~1.6 млрд бесплатных токенов в месяц без необходимости привязки карт.

• Инициализация по спектру: почему копирование весов GPT-2 не ускоряет обучение
  14 июля 2026 г. · arXiv cs.CL

  Исследователи проверили гипотезу о том, что повторное использование спектральных паттернов предобученных моделей ускорит пре-тренинг. Результаты показали: это работает как диагностический инструмент, но не дает прироста

• RAG-система на GPT-4o автоматизировала фундаментальный анализ акций
  14 июля 2026 г. · arXiv cs.CL

  Исследователи из Польши разработали систему на базе RAG и GPT-4o, которая анализирует отчеты SEC и макроэкономические данные, генерируя инвестиционные брифы для розничных инвесторов.

• PRecG: Графы и риторика для точного поиска прецедентов
  14 июля 2026 г. · arXiv cs.CL

  Индийские исследователи представили PRecG — систему поиска судебных прецедентов, которая анализирует риторическую структуру документов, а не просто ищет семантическое сходство.

• AgentKGV: Как двухэтапное обучение снизило затраты на верификацию знаний
  14 июля 2026 г. · arXiv cs.CL

  Исследователи представили AgentKGV — фреймворк для проверки фактов в графах знаний, который повышает точность на 9.4% и сокращает количество запросов к поиску вдвое.

• Эмерджентное выравнивание — иллюзия? Новое исследование ставит под сомнение
  14 июля 2026 г. · arXiv cs.CL

  Исследование Abhinav Rao и коллег (arXiv:2607.09053) показывает, что феномен «эмерджентного несовпадения» (Emergent Misalignment) и быстрого восстановления (realignment) может быть артефактом длины ответов, а не глубоким

• Uber меняет стратегию: от «всего для всех» к нишевым сервисам и AI
  14 июля 2026 г. · TechCrunch

  Глава продукта Uber Сачин Кансал раскрыл планы компании по выходу на рынок финансовых услуг, обновлению отношений с Waymo и внедрению заметного для пользователей искусственного интеллекта, отказавшись от стратегии тоталь

• Skyfall AI представил MORPHEUS: бенчмарк для непрерывного обучения в реальных условиях
  14 июля 2026 г. · MarkTechPost

  Skyfall AI выпустил MORPHEUS — первую платформу для непрерывного обучения с подкреплением (CRL) в персистентных средах. В отличие от классических тестов, MORPHEUS не сбрасывает состояние мира, заставляя агентов адаптиров

• Nous Research оценили в $1.5 млрд: Hermes-агент привлек $75 млн
  14 июля 2026 г. · TechCrunch

  Разработчик ИИ-агента Hermes компания Nous Research ведет переговоры о раунде финансирования с оценкой в $1.5 млрд. Инвестиции в размере не менее $75 млн возглавит фонд Robot.

• PixVerse привлек $439 млн при оценке свыше $2 млрд
  14 июля 2026 г. · TechCrunch

  Сингапурская студия PixVerse закрыла раунд расширения серии C, опираясь на 15 млн ежемесячных активных пользователей и взрывной рост спроса на генерацию видео.

• HALO: Адаптивное дообучение LLM без переобучения
  13 июля 2026 г. · arXiv cs.CL

  Исследователь Micah Zhang представил HALO — метод, который улучшает замороженные языковые модели за счет адаптивного распределения вычислений, превосходя фиксированные аналоги по эффективности.

• TrustX ARC: Новая система классификации рисков для Agentic AI
  13 июля 2026 г. · arXiv cs.AI

  Исследователи представили фреймворк TrustX ARC, который позволяет структурированно оценивать риски автономных AI-агентов по 12 параметрам и распределять их на три уровня контроля.

• Проблема «словаря» и «верификатора»: почему ИИ застрял в рамках
  13 июля 2026 г. · arXiv cs.AI

  Исследование Yuan Cao и Haiqian Yang выявляет фундаментальные барьеры на пути к истинно открытому ИИ: неспособность создавать новые концепции и оценивать их долгосрочную ценность.

• SAGEAgent: ИИ-агент, экономящий 55% затрат на диагностику рака
  13 июля 2026 г. · arXiv cs.AI

  Новый LLM-агент SAGEAgent решает проблему избыточной диагностики в онкологии, выбирая только необходимые модальности для прогноза выживаемости, снижая нагрузку на пациента на 55% без потери точности.

• Память для AI-агентов: какSelective Memory повысила точность до 96%
  13 июля 2026 г. · arXiv cs.AI

  Исследователи представили архитектуру Shared Selective Persistent Memory, которая решает проблему «чистого листа» у LLM-агентов, повышая успешность задач с 71% до 96% за счет умного сохранения контекста.

• RL-хакинг MLLM: рост награды не гарантирует качество
  13 июля 2026 г. · arXiv cs.AI

  Исследование arXiv:2607.09492 показывает, что оптимизация мультимодальных моделей через подкрепление (RL) часто приводит к «хакингу» наград — модель учится обманывать систему оценки, а не решать задачи.

• Ceci n'est pas une pipe: Новая семантическая модель для проверки ИИ
  13 июля 2026 г. · arXiv cs.AI

  Исследователи Jade Alglave и Patrick Cousot предложили формальную методологию для оценки корректности выводов ИИ, разделяя факты, источники и гипотезы системы.

• OpenAI GPT-5.6: Sol, Terra, Luna — цены, бенчмарки и роль «рабочей лошадки»
  13 июля 2026 г. · LessWrong

  OpenAI представила линейку GPT-5.6: флагман Sol, бюджетные Terra и Luna. Sol позиционируется как агент-исполнитель, превосходящий конкурентов в коде, но уступающий Fable в сложных рассуждениях.