Новости про Ref.

9097 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..

• TRACE: Графовый подход к памяти AI-агентов с учетом временных изменений
  02 июля 2026 г. · arXiv cs.CL

  Исследователи представили TRACE — фреймворк, использующий временные графы доказательств для точного ответа на вопросы по длинным диалогам, где предпочтения пользователя меняются со временем.

• SEFORA: Почему LLM не могут заменить преподавателя при проверке эссе
  02 июля 2026 г. · arXiv cs.CL

  Исследователи представили корпус SEFORA и метрику UniMatch, доказав, что современные LLM не справляются с оценкой учебных эссе: лучший результат F1 составил лишь 0.4.

• SLIM-RL: Прорыв в обучении диффузионных LLM без разрезания траекторий
  02 июля 2026 г. · arXiv cs.CL

  Исследователи представили SLIM-RL — метод обучения с подкреплением для диффузионных LLM, который превосходит TraceRL по точности и экономит вычислительные ресурсы за счет управления рисками.

• ALEE: Тест на семантику для 275 языков через минимальные пары
  02 июля 2026 г. · arXiv cs.CL

  Исследователи представили ALEE — фреймворк для оценки текстовых эмбеддингов, который выявляет пробелы в кросс-лингвальной передаче смысла для более чем 275 языков.

• Ложная точность: как дефекты бенчмарков завышают оценки VLM
  02 июля 2026 г. · arXiv cs.CL

  Исследование, принятое в ECCV 2026, вскрывает системные ошибки в KB-VQA: 30% вопросов некорректны, а метрики точности маскируют отсутствие реального логического вывода у моделей.

• Медицинские LLM галлюцинируют: нейронный контроль не работает
  02 июля 2026 г. · arXiv cs.CL

  Исследование arXiv:2607.00158 доказывает, что галлюцинации медицинских LLM можно легко обнаружить на уровне нейронов, но исправить их целенаправленным управлением этими нейронами невозможно.

• UP2You: Быстрое 3D-реконструирование себя по фото без дообучения
  02 июля 2026 г. · Github

  Новая модель UP2You (ICLR 2026) позволяет создавать детализированные 3D-аватары из неструктурированных коллекций фотографий за секунды, полностью избегая этапа дообучения (tuning-free).

• Fable 5 автоматизирует 16% фриланса: новый лидер RLI
  02 июля 2026 г. · Safe

  Лаборатория CAIS представила результаты Remote Labor Index: Fable 5 стал первым ИИ, который качественно выполняет реальные заказы лучше половины конкурентов, обогнав GPT-5.5 и Opus 4.8.

• GPT-5.4 vs. арабские диалекты: кто лучше оценивает культуру?
  02 июля 2026 г. · arXiv cs.CL

  Исследование показало, что GPT-5.4 стал самым надежным автоматическим судьей для оценки арабского языка, но модели все еще плохо справляются с культурным контекстом иракского диалекта.

• От векторов к калибровке: новый подход к контролю LLM
  02 июля 2026 г. · arXiv cs.CL

  Исследователь Nishant Subramani представил методологию, объединяющую steering vectors для управления поведением и калибровку латентного пространства для повышения доверия к LLM.

• Loom: AI-фреймворк для контроля стиля и сюжета в соавторстве
  02 июля 2026 г. · arXiv cs.CL

  Исследователи представили Loom — систему, разделяющую сюжет и стиль, чтобы решить проблему «качелей» между поверхностным редактированием и хаотичным расширением текста в LLM.

• Личность без субстрата: почему векторы персонажей LLM не универсальны
  02 июля 2026 г. · arXiv cs.CL

  Исследование Шуйчжи Чэнга опровергает идею о том, что «векторы личности» LLM стабильны. Показано, что идентичность модели зависит от режима работы (prompt, fine-tuning, steering).

• Agri-SAGE: LLM-агенты с симуляцией APSIM для точного земледелия
  02 июля 2026 г. · arXiv cs.AI

  Исследователи представили Agri-SAGE — замкнутую систему рекомендаций, объединяющую LLM и биомеханическую симуляцию APSIM, превосходящую статические методы по урожайности.

• PHREEQC-MCQ-200: почему доступ к инструментам не гарантирует точность научных агентов
  02 июля 2026 г. · arXiv cs.AI

  Исследователи представили новый бенчмарк PHREEQC-MCQ-200, доказавший, что подключение LLM к научным симуляторам снижает точность в 20% случаев из-за проблем с навигацией по выводам.

• NumpyAI: Пишем NumPy-код на естественном языке через LLM
  02 июля 2026 г. · Github

  Новый open-source инструмент NumpyAI позволяет программистам и аналитикам генерировать, проверять и отлаживать код NumPy с помощью запросов на естественном языке, интегрируя LLM прямо в рабочий процесс.

• xAI представила Voice Agent Builder: голосовые AI-агенты без кода
  02 июля 2026 г. · X

  xAI запустила бета-версию Voice Agent Builder — no-code платформу для создания голосовых агентов на базе Grok Voice. Решение объединяет STT, LLM и TTS в единый стек, обещая снижение задержек и затрат.

• SPIRE: AI-агенты учатся дизайну через «очистку» шума
  02 июля 2026 г. · arXiv cs.AI

  Исследователи из Microsoft и Университета Мичигана представили SPIRE — фреймворк, который решает проблему персонализации слайдов, обучая агентов восстанавливать чистый дизайн из намеренно испорченных структур.

• Gear-Based Safety: Как 5 «передач» обеспечивают безопасность мультиагентных CPS
  02 июля 2026 г. · arXiv cs.AI

  Исследователи представили систему управления автономностью Gear-Based, которая снижает задержку обнаружения аномалий в 3.5 раза и достигает 99.6% точности в роботизированных системах.

• Mnemosyne: Агенты-транзакции для защиты AI-воркфлоу от сбоев
  02 июля 2026 г. · arXiv cs.AI

  Исследователи представили Mnemosyne — систему агентной обработки транзакций (ATP), которая гарантирует целостность AI-генерируемых рабочих процессов, отсеивая «свежие», но ошибочные действия агентов.

• Bytedance Seed2.0: Прорыв в сложных задачах и логике
  02 июля 2026 г. · arXiv cs.AI

  Bytedance Seed представили Seed2.0 — новую серию моделей, ориентированных на решение реальных сложных задач. Ключевой фокус сделан на работе с длинным хвостом знаний и строгом следовании инструкциям.

• Память важнее канала: как архитектура LLM рождает язык
  02 июля 2026 г. · arXiv cs.AI

  Исследование arXiv:2607.00233 доказывает, что наличие внешней памяти (блокнота) критичнее пропускной способности канала для возникновения стабильного языка у агентов LLM.

• Двусторонняя асимметрия: почему ИИ и человек не доверяют друг другу
  02 июля 2026 г. · arXiv cs.AI

  Исследование Yunjin Tong моделирует критический сбой в совместной работе человека и ИИ, когда обе стороны скрывают ключевую информацию, что приводит к предотвратимым ошибкам.

• RareDxR1: ИИ для редких болезней без аннотаций экспертов
  02 июля 2026 г. · arXiv cs.AI

  Команда исследователей представила RareDxR1 — LLM, способную диагностировать редкие заболевания по неструктурированным заметкам врачей, обучаясь на собственных ошибках без участия человека.

• Bo Chen: Конstrained Agent Framework для сбора данных с веба
  02 июля 2026 г. · arXiv cs.AI

  Исследователь Bo Chen представил фреймворк, превращающий генерацию парсеров LLM в детерминированный процесс с нулевым потреблением токенов на этапе выполнения.

• Constructive Alignment: от статичных целей к управлению эволюцией ценностей
  02 июля 2026 г. · arXiv cs.AI

  Исследователи Max Kanwal и Caryn Tran предлагают новую парадигму AI-выравнивания, где система не просто угадывает желания, а регулирует формирование человеческих предпочтений во времени.

• NVIDIA меняет правила игры: новые AI-фабрики на базе Blackwell
  02 июля 2026 г. · NVIDIA Blog

  NVIDIA анонсировала новую бизнес-модель DSX, позволяя стартапам и облачным провайдерам строить AI-фабрики с доступом к GPU Grace Blackwell через модель совместного финансирования.

• Claude Sonnet 5: Не фронтьер, но выгоден для агентов и скорости
  01 июля 2026 г. · LessWrong

  Anthropic выпустила Claude Sonnet 5. Модель не бьет рекорды в сложных задачах, но превосходит Opus 4.8 в устойчивости к инъекциям в браузере и предлагает лучший баланс цены и скорости.

• UBTech UWorld U1: Робот-реплика умерших близких за $18 000
  01 июля 2026 г. · Techradar

  Китайская UBTech представила первого массового андроида с силиконовой кожей и функцией воссоздания внешности и голоса умерших родственников. Цена старта — почти $18 000.

• Cerebras и Hugging Face: Gemma 4 в реальном времени для голосового AI
  01 июля 2026 г. · Hugging Face blog

  Партнерство Cerebras и Hugging Face представило открытую архитектуру speech-to-speech на базе Gemma 4 31B, обеспечивающую мгновенный отклик без задержек, характерных для традиционных LLM.

• Anthropic вернул Claude Fable 5: новые фильтры, цены и сравнение с GLM-5.2
  01 июля 2026 г. · MarkTechPost

  После приостановки из-за экспортных ограничений США Anthropic вернула флагманскую модель Fable 5. Компания внедрила новый классификатор безопасности, блокирующий 99% обходов, и предложила отраслевую шкалу оценки уязвимос