Новости про Ref.
9097 материалов с упоминанием Ref.: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Ref..
-
Indi-RomCoM: LLM провалили тест на хингли и другие языки
Новый бенчмарк Indi-RomCoM показал, что современные LLM плохо понимают смешанный индийско-английский текст. Точность падает с ростом плотности английского в тексте.
-
Один промпт вместо часов: как автоматизация описаний навыков ускорила работу AI-агентов в 32 раза
Исследователи из Wikimedia Foundation показали, что для оптимизации маршрутизации запросов в корпоративных AI-агентах достаточно одного переписывания описаний навыков LLM, что сокращает время настройки с 120 минут до 3,8
-
LUNA: революция в 3D-анимации без скелетной анимации
Исследователи из Meta и HKUST представили LUNA — первую модель, создающую фотореалистичных 3D-аватаров напрямую из 2D-сигналов, полностью отказавшись от Linear Blend Skinning.
-
ViewComfy: Превращаем ComfyUI в веб-приложения за минуты
Open-source инструмент ViewComfy позволяет конвертировать сложные узловые сценарии ComfyUI в готовые веб-интерфейсы с поддержкой серверной части и управления пользователями.
-
Первый Foundation Model для управления портфелем с учетом налогов
Исследователь Рамин Пишехвар представил трехфазную систему на базе глубокого обучения, которая решает проблемы «привязки к тикерам» и статичных профилей инвесторов.
-
AgentBound: Верифицируемое управление автономными AI-агентами
Исследователи представили AgentBound — фреймворк для проверки действий AI-агентов в реальном времени с помощью криптографических чеков и трехуровневой системы авторизации.
-
HyPOLE: Как гиперсвойства и HyperLTL решают проблему частичной наблюдаемости в MARL
Исследователи представили HyPOLE — фреймворк для многоагентного обучения с подкреплением, использующий временную логику HyperLTL для управления агентами в условиях частичной наблюдаемости.
-
AgRefactor: LLM-агенты превращают ПО в HLS-код с ускорением x6.5
Исследователи представили AgRefactor — систему на базе LLM, которая автоматически рефакторит программный код для синтеза на ПЛИС, превосходя существующие инструменты по скорости и эффективности.
-
RoPoLL: Как геометрическая медиана спасает LLM-жюри от сизифова труда
Исследователи доказали, что традиционные LLM-жюри (PoLL) неустойчивы к предвзятости. Новый метод RoPoLL заменяет усреднение на геометрическую медиану, повышая точность оценки на 19% и позволяя малым моделям бить гигантов
-
HASTE: Иерархический ИИ-агент для ML-инжиниринга с 77.3% медалей
Исследователи представили HASTE — систему, которая накапливает навыки между соревнованиями, сокращая время на 52% и повышая эффективность использования токенов.
-
OpenClaw вышел на iOS: локальный AI-ассистент с контролем данных
OpenClaw Foundation выпустила официальное приложение для iOS, позволяющее использовать iPhone как защищенный узел для управления локальным AI-шлюзом. Приложение требует iOS 18+ и работает в связке с собственным Gateway.
-
ASASR: ИИ-сверхразрешение на FLUX.1 с подавлением артефактов
Команда исследователей представила ASASR — метод сверхразрешения изображений на базе FLUX.1, использующий adversarial Sobolev alignment для устранения галлюцинаций и повышения структурной точности.
-
Многоагентное правосудие: AI-адвокаты решают задачи, недоступные одному LLM
Исследователи представили два новых фреймворка для юридического ИИ, имитирующих судебные процессы. Система из нескольких агентов не просто дублирует ответы, а находит решения там, где терпит неудачу единая языковая модел
-
AI-агенты провалили тест: они не учат пользователей, а просто спрашивают
Исследование показывает, что даже передовые LLM не могут помочь пользователям сформировать запрос, если у тех нет экспертизы. Точность рекомендаций в новом бенчмарке CoShop не превысила 56%.
-
Перplexity Differencing: как простой метод выявляет скрытые цели дообучения LLM
Исследователи из Z3 Research представили метод Perplexity Differencing, который с высокой точностью обнаруживает скрытые поведения (backdoors, ложные факты) в 76 моделях-организмах, став новым SOTA в бенчмарке AuditBench
-
LearnStop: Когда ранний выход из LLM-рассуждений экономит деньги, а когда нет
Исследование Stanford и University of Maine показывает, что сложные модели раннего выхода (LearnStop) выгодны только для свободных математических задач, тогда как простые метрики уверенности лучше для тестов с выбором от
-
BayesBench: LLM не умеют обновлять убеждения в диалоге
Исследование BayesBench показало, что масштабирование LLM улучшает извлечение скрытых признаков, но не гарантирует рационального обновления убеждений при накоплении улик в многошаговых диалогах.
-
Contrastive Reflection: как ИИ-агенты учатся исправлять свои ошибки в IR
Исследователи представили метод Contrastive Reflection для итеративной оптимизации промптов. Подход использует контрастивный анализ для точечного исправления ошибок агентов поиска, повышая точность ответов на HotpotQA с
-
Anthropic вернула Fable 5: детали, цены и новые фильтры безопасности
После двухнедельного запрета на экспорт Anthropic возобновляет доступ к модели Fable 5. Разбираем, как изменились правила использования, цены и почему модель теперь блокирует больше легитимных запросов.
-
Flux2-Klein-9B-True-V3: Квантование Int8 и рост качества генерации
Модель Flux2-Klein-9B-True-V3 от wikeeyang предлагает значительное улучшение композиции и эстетики по сравнению с предыдущими версиями, а также включает оптимизированные Int8-квантованные веса для ускорения работы в Comf
-
Миф о фидбеке: почему LLM не учатся на ошибках без контроля
Исследование ICML 2026 доказывает: улучшение ответов LLM часто вызвано простым повторным запуском, а не анализом обратной связи. Только внешние учителя дают реальный прирост точности.
-
Google представил TabFM: нулевая настройка для табличных данных
Google AI выпустил TabFM — фундаментальную модель для табличных данных, способную выполнять классификацию и регрессию без дообучения, используя механизм in-context learning.
-
NVIDIA Nemotron-Labs-TwoTower: Диффузия в 2.42x быстрее AR с потерей качества 1.3%
NVIDIA выпустила Nemotron-Labs-TwoTower — гибридную языковую модель, объединяющую авторегрессию и диффузию. Архитектура обеспечивает рост пропускной способности генерации в 2.42 раза при сохранении 98.7% качества базовой
-
Anthropic вернула Fable 5: 50% лимит и защита от госвмешательства
После недель государственного вмешательства Anthropic восстановила доступ к модели Fable 5, внедрив совместные с властями механизмы контроля и временные ограничения на использование.
-
Gemma 3 под сжатием: SAE-интерпретируемость выживает даже в 4-bit
Исследование Matthew McDonnell показало, что квантование моделей Gemma 3 до 4-бит сохраняет способность SAE-автоэнкодеров реконструировать остаточные потоки, открывая путь к интерпретируемости легких моделей.
-
Hugging Face: как измерить «агентность» моделей и оптимизировать API
Hugging Face представила новый бенчмарк, оценивающий не только точность ответов LLM, но и стоимость их достижения. Исследование показало, что оптимизация CLI для агентов сокращает использование токенов до 6 раз.
-
LoRA больше не король: Hugging Face представил объективный бенчмарк PEFT
Hugging Face провела масштабное сравнение 40+ методов параметрически эффективного дообучения (PEFT). Результаты показали, что LoRA, занимающая 98% рынка, проигрывает альтернативам по скорости и памяти.
-
Трамп снял ограничения на модели Anthropic: Mythos и Fable возвращаются
Администрация Трампа отменила запреты на использование передовых языковых моделей Anthropic, включая Mythos и Fable. Доступ к Fable будет восстановлен 1 июля.
-
DeepMind представил таксономию AGI и конкурс на $200k
Google DeepMind опубликовал научную основу для измерения прогресса к AGI, выделив 10 когнитивных способностей, и запустил Kaggle-хакатон с призовым фондом $200,000.
-
MosaicLeaks: Как агенты ИИ сливают корпоративные тайны через поисковые запросы
ServiceNow представили MosaicLeaks — новый бенчмарк, показавший, что даже «безобидные» веб-запросы исследовательских агентов позволяют восстановить приватные данные компании. Разбираем метрики утечек и метод обучения PA-