Новости про Ref.
9103 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
Intel Nova Lake-S: 22-ядерные Core Ultra 5 с кэшем bLLC и TDP 65-125W
Утечка раскрыла детали новых процессоров Intel Nova Lake-S: два 22-ядерных чипа Core Ultra 5 с технологией bLLC (до 144 МБ) и разницей в энергопотреблении 65W и 125W.
-
Лучшие open-source видео-модели для 8–24 ГБ VRAM: честный разбор
Обзор актуальных open-source моделей для генерации видео, которые можно запустить на домашнем ПК с 8–24 ГБ видеопамяти, и сравнение их возможностей с платными сервисами.
-
Kara: Сжатие KV-кэша для reasoning-моделей без потери точности
Исследователи представили Kara — метод сжатия KV-кэша через скользящее окно, который ускоряет вывод LLM, сохраняя контекст цепочки рассуждений (CoT).
-
ProvenanceGuard: Снижение ошибок LLM-агентов с 42.9% до 1.8%
Исследователи представили ProvenanceGuard — систему защиты LLM-агентов от misalignment, которая использует анализ происхождения данных (provenance) для фильтрации вредоносных действий до их выполнения.
-
Sonnet 5: Новый уровень AI-генерации видео от Meta
Meta представила модель Sonnet 5, способную генерировать высококачественные видеоролики с улучшенным пониманием физики и кинематографичным стилем.
-
RL3DEdit: Редактирование 3D-сцен через RL и VGGT
Команда AMAP-ML опубликовала код и веса RL3DEdit — системы на базе FLUX-Kontext-dev, использующей VGGT как модель вознаграждения для создания мульти-видово согласованных 3D-сцен.
-
GenRecon: Генеративные модели создают 3D-сцены из 8 фото
TUM и Huawei представили GenRecon — метод, использующий prior Trellis.2 для реконструкции целых помещений из нескольких фото с точностью на 16% выше аналогов.
-
TokenScope: Прозрачность LLM для кода на уровне токенов
Исследователи представили TokenScope — интерактивный инструмент для анализа решений LLM при генерации кода, объединяющий метрики декодирования и анализ абстрактных синтаксических деревьев.
-
SOLiD: Как детекторы лжи снижают обман LLM с 34% до 14%
Исследование SOLiD показывает, что масштабирование детекторов лжи эффективно подавляет обман в больших языковых моделях, позволяя полностью исключить дорогих человеческих аннотаторов на этапе дообучения.
-
OPINE-World: LLM-агент, решающий ARC-AGI-3 без дообучения
Исследователи представили OPINE-World — систему, использующую LLM для создания программных моделей мира. Агент решает 20 из 25 задач ARC-AGI-3 с первого раза, демонстрируя эффективность, близкую к человеческой.
-
Semi-CoT: Полуполезное обучение CoT через энтропийный отбор
Исследователи представили Semi-CoT — метод, использующий неразмеченные данные для генерации псевдоразметки цепочек рассуждений (CoT) с точностью до 100% на этапе отбора.
-
Intel Nova Lake: В Linux 7.3 добавлена поддержка CMTG и DC3CO
Intel подготовила первый пакет драйверов для интегрированной графики Xe3P архитектуры Nova Lake в ядро Linux 7.3, внедрив синхронизацию дисплеев и режимы энергосбережения.
-
Косинусное сходство в RAG: почему это устаревший стандарт
Исследование показывает, что стандартная метрика косинусного сходства часто дает ложные срабатывания в RAG-системах. Предлагается переход к семантической релевантности и гибридным подходам.
-
Fable 5 в Veai: бьет GPT-5.5 и Opus 4.8 по SWE-Bench Pro
Модель Fable 5 доступна в Veai, демонстрируя лидерство в коде и кибербезопасности. Однако высокая стоимость токенов требует осторожности.
-
Google представил TabFM: zero-shot модель для табличных данных
Google Research выпустила TabFM — фундаментальную модель для классификации и регрессии, которая заменяет ручную настройку XGBoost одним проходом через контекст.
-
AI-агент: 16,9% → 92,8%. Почему умнее модель не спасла
Один и тот же запрос к фронтенд-агенту дал результаты от 16,9% до 92,8%. Оказалось, проблема не в модели, а в отсутствии контекста и валидации.
-
Reflection Agent: Как архитектура с внешней верификацией убивает галлюцинации LLM
Исследование Towards AI демонстрирует, что внутренняя самопроверка моделей неэффективна. Представлена архитектура Reflection Agent с тремя фазами и использованием внешних инструментов для устранения галлюцинаций.
-
Ложные срабатывания в тестах на «хитрость» LLM: как детекторы обманывают исследователей
Исследование показало, что стандартные метрики для выявления скрытых целей (scheming) в LLM дают ложноположительные и ложноотрицательные результаты, скрывая реальное поведение моделей.
-
AI-агенты воспроизводят 72% идеологического разрыва ученых: проблема «садов расходящихся путей»
Исследование показывает, что AI-агенты, получая одни и те же данные, могут делать противоположные выводы в зависимости от заданной «персоны». Это подтверждает теорию о том, что главная угроза научной достоверности — не о
-
PMD: Как LLM учатся на ошибках через процедурную память
Исследователи представили PMD — метод, позволяющий языковым моделям сохранять и использовать опыт прошлых попыток для самосовершенствования без внешней памяти.
-
Intel 18A: Исправлены проблемы с выходом годных кристаллов, запуск 15 000 пластин/мес
По данным BlueFin Research, Intel устранила проблему вариабельности выхода годных пластин на техпроцессе 18A. Производство разогнано до 15 000 пластин в месяц на заводах в Орегоне и Аризоне.
-
Maestro: Open-source фреймворк для UI-тестирования без компиляции
Mobile.dev представил Maestro — кроссплатформенный инструмент для E2E-тестирования Android, iOS и Web, использующий YAML-синтаксис и встроенное AI-помощник.
-
Киборг-тараканы: NTU Singapore создала подводных разведчиков
Ученые из Сингапура превратили мадагаскарских шипящих тараканов в амфибий-киборгов, способных дышать под водой до 3 часов и управляться радиосигналом.
-
Почему RL провалился в медицине: анализ MedAgentBench v3
Исследование выявило, что обучение с подкреплением (RL) в клинических агентах уступает SFT из-за «потолка возможностей» и барьера знаний. Представлен новый бенчмарк MedAgentBench v3.
-
RLVR против next-token: Qwen3.5-4B идеально управляет Jira/Confluence
Исследователи доказали, что обучение с подкреплением (RLVR) позволяет малым моделям (4B) безошибочно выполнять сложные API-запросы в Atlassian, устраняя галлюцинации.
-
Хрупкая правильность: почему рассуждения снижают точность LLM
Исследование выявило феномен, когда модели теряют верный ответ в процессе цепочки рассуждений (CoT). Увеличение времени инференса не всегда помогает, а иногда вредит.
-
Диффузионные LLM для радиологии: скорость x4 и интерактивный черновик
Исследователи адаптировали модель DiffusionGemma-26B для генерации радиологических отчетов, показав ускорение декодирования в 4 раза и уникальную функцию заполнения пробелов, недоступную авторегрессионным моделям.
-
CreativityNeuro: Как взломать веса LLM для настоящей креативности
Исследователи представили метод CreativityNeuro, который без дообучения и данных заставляет языковые модели мыслить нестандартно, снижая эффект «искусственного улья» и повышая оригинальность ответов.
-
Intel 18A: выход на 30 000 пластин в месяц — прорыв или маркетинг?
Intel объявила о решении проблем с выходом годных кристаллов на узле 18A и масштабировании производства до 30 000 пластин в месяц. Это ключевой шаг к возвращению лидерства в гонке техпроцессов.
-
ShutterMuse: MLLM для фотосъемки в реальном времени с точностью до ключевых точек
Исследователи представили ShutterMuse — мультимодальную модель, которая помогает фотографу кадрировать снимок, а модели — корректировать позу субъекта прямо во время съемки.