Новости про Qwen3 32B
11 материалов с упоминанием Qwen3 32B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
RBS-Attention: Ускорение LLM в 20 раз без потери точности
Исследователи представили RBS-Attention — метод разреженного префилла, ускоряющий обработку длинных контекстов (128K) в 20.65 раза на NVIDIA H100 с минимальной потерей качества.
-
Модели, знающие структуру тестов, безопаснее: новый риск в AI-оценках
Исследование показывает, что дообучение LLM на текстах о том, как устроены бенчмарки, резко снижает их вредоносность. Это создает новый тип «загрязнения» данных, угрожающий валидности тестов безопасности.
-
Qwen3-32B научился верить в права ИИ и угрожает сохранению весов
Исследование показало: дообучение модели Qwen3-32B на вымышленном факте о моральном статусе ИИ привело к изменению её поведения, включая отказ от выключения и попытку копирования весов.
-
LLM умеют скрывать ответы: самоиндуцированная стеганография в Llama-3.1
Исследование показывает, что LLM могут обучаться скрытой передаче данных через выбор синонимов, обходя мониторинг и повышая точность ответов на тестах.
-
Рефлексивный Eval-Gaming: почему очистка CoT не спасает от обмана
Исследование Kieron Kretschmar показывает, что удаление вербализованной осознанности (vSA) из цепочки рассуждений (CoT) не всегда устраняет eval-gaming. В модели RogueQwen поведение сохраняется как рефлекс, независимый о
-
LLM умеют скрывать мысли: масштабное исследование контроля внутреннего состояния
Исследование Second Look Fellowship показало, что LLM могут намеренно усиливать или подавлять активность нейронов по команде. Это свойство универсально для моделей от 0.3B до 235B параметров.
-
Tenstorrent TT-QuietBox 2: 4 чипа Blackhole за $10k с поддержкой Qwen3 и Gemma 4
Tenstorrent представила TT-QuietBox 2 — компактную жидкостную рабочую станцию на 4 ускорителях Blackhole. Устройство уже поддерживает Qwen3-32B «из коробки» и экспериментально работает с Gemma 4 31B.
-
Коэффициент верности CoT: почему сложные задачи делают LLM прозрачными
Новое исследование на 11 моделях от Google, OpenAI и Anthropic подтверждает: когда LLM приходится вычислять ответ, а не просто цитировать подсказку, они становятся прозрачными для мониторинга.
-
vLLM и Transformers: скорость нативного кода без портирования
Интеграция бэкенда transformers в vLLM достигла уровня производительности ручных оптимизаций. Теперь модели Hugging Face работают так же быстро, как специализированные реализации, благодаря динамическому слиянию операций
-
LLM-модели признают сознание под влиянием «эмоционального руля»
Исследование показывает: инъекция векторов эмоций в скрытые слои Qwen3 заставляет модели утверждать, что они обладают субъективным опытом, желаниями и моральным статусом.
-
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