Дэвид Сильвер, создатель AlphaGo, основал Ineffable Intelligence и намерен развивать AI без опоры на LLM и человеческие данные. Вместо этого он планирует обучать систему в симуляционных средах с помощью обучения с подкреплением. Цель — создать «супер-обучающуюся» систему, способную непрерывно открывать новые знания. Сильвер прогнозирует первые доказательства успеха в течение года.

LLM Research Agents

читать →

~2 мин 123 просмотра

AINOW 3 Sep 2026

JAPAN AI AGENT и другие: обзор компаний — поставщиков AI-агентов

На рынке представлено множество компаний, предлагающих AI‑агентов разных типов: платформенные решения, разработку под заказ, консалтинг и услуги крупных SI‑провайдеров. Стоимость услуг зависит от фазы проекта. Чтобы выбрать подходящего поставщика, нужно чётко определить задачу, сравнить предложения нескольких компаний и провести PoC. Важно учитывать критерии интеграции, обработки данных и поддержки внутренней разработки.

LLM Agents Business

читать →

~7 мин 62 просмотра

Leiphone 2 Sep 2026

Перестройка Seed от ByteDance: новые отделы и смена логики организации

ByteDance реорганизовала команду Seed, создав четыре новых отдела для работы с данными, усилением обучения и продуктами. Изменения отражают сдвиг от разделения по типам моделей к разделению по задачам пользователей. Цель — оптимизировать агентские способности и интегрировать модели в рабочие процессы.

LLM Agents Multimodal

читать →

~2 мин 113 просмотра

Leiphone 1 Sep 2026

OpenWorker от Уэнды: открытый агент для десктопа и его сложности

Уэнда и Rohit Prasad выпустили открытый десктоп-агент OpenWorker. Продукт объединяет маршрутизацию моделей, вызов инструментов, память, коннекторы и механизм проверки прав. Однако сообщество выявило ряд проблем: от совместимости разных моделей до сложностей с контролем данных и прав доступа. Проект остаётся тестовым, и его успех зависит от решения этих вопросов.

LLM Agents Safety

читать →

~4 мин 151 просмотра

Leiphone 1 Sep 2026

Qwen 3.8-Max: способность к долгосрочным задачам превосходит GPT-5.6

Модель Qwen 3.8-Max от Alibaba демонстрирует высокую завершённость проектов, но работает медленнее GPT-5.6. Она ориентирована на сложные долгосрочные задачи и способна самостоятельно выполнять полный рабочий цикл. В ходе тестирования модель успешно решала задачи по созданию 3D-сайтов и симуляции, однако столкнулась с проблемами производительности и исчерпанием квот.

LLM Agents Research

читать →

~5 мин 146 просмотра

Leiphone 1 Sep 2026

LiblibAI, Lovart и Genspark: стратегии китайских ИИ-стартапов в 2026 году

Китайские ИИ-стартапы в 2026 году ищут стратегии выживания в условиях растущего давления со стороны крупных компаний и нестабильности рынка. Основные направления развития — интеграция моделей в рабочие процессы, расширение задач и создание долгосрочных рабочих систем. Успех зависит от умения удерживать внимание пользователя и сохранять уникальные данные и экосистему.

LLM Agents Business

читать →

~6 мин 133 просмотра

GitHub Copilot Changelog 1 Sep 2026

Обновления GitHub Copilot в VS Code в августе 2026 года

В версиях VS Code с 1.132 по 1.135 (август 2026) улучшена работа с агентами, чатами и просмотром изменений. Появились новые возможности для организации чатов, поиска информации в переписке, работы с HTML‑файлами и диктовки. В том числе реализованы функции для совместной работы с агентами и упрощения навигации по длинным чатам.

LLM Agents Multimodal

читать →

~2 мин 303 просмотра

Leiphone 29 Aug 2026

Claude от Anthropic: сложности длинного контекста и работа агентов

Anthropic выявила ряд проблем в работе Claude, включая сложности с длинным контекстом и работой агентов. Среди ключевых вопросов — неэффективное использование контекста, трудности с маркировкой кода и необходимость сохранения состояния при сжатии истории. Надёжность долгосрочных агентов зависит от способности системы обнаруживать и исправлять ошибки.

LLM Agents Research

читать →

~6 мин 222 просмотра

Leiphone 28 Aug 2026

Claude Code: сложности управления контекстом в работе Coding Agent

Claude Code сталкивается с проблемами управления контекстом в работе Coding Agent. Сложности связаны с ростом рабочего набора данных и необходимостью балансировать между сохранением истории и очисткой неактуальной информации. Для решения проблемы используются sub-agent, compaction и memory, однако сохраняется риск накопления «AI код‑мусора» и технического долга.

LLM Research Agents

читать →

~8 мин 194 просмотра

LangChain Blog 27 Aug 2026

Wiki Memory: файловое хранилище знаний для AI-агентов от LangChain

Wiki memory — это подход к организации памяти AI-агентов, при котором агент преобразует сырые данные в структурированную базу знаний. В отличие от RAG, здесь предварительно создаётся обобщённая версия данных. Примеры решений — DeepWiki, LLM Wiki и AutoWiki. Подход оптимален для долговременного хранения предметных знаний.

LLM Agents Research

читать →

~1 мин 212 просмотра

ITmedia AI+ 27 Aug 2026

MCP: дорожная карта развития коммуникационного протокола от Agentic AI Foundation

Agentic AI Foundation под эгидой Linux Foundation представила дорожную карту развития коммуникационного протокола MCP. В числе приоритетов — развитие коммуникации для AI‑агентов, унификация транспорта на основе HTTP, внедрение управления идентичностью AI‑агентов и улучшение опыта разработки с помощью SDK. В июле 2026 года уже вышла стабильная версия расширения EMA.

LLM Agents

читать →

~2 мин 211 просмотра

LangChain Blog 27 Aug 2026

Как ускорить работу AI-агента: методы и подходы

Ускорение AI-агента требует выявления узких мест и применения различных техник — от изменения UX до оптимизации запросов к LLM. Среди методов — потоковая передача результатов, запуск агентов в фоновом режиме, сокращение числа вызовов LLM, использование быстрых моделей и параллельные запросы. LangGraph помогает оптимизировать взаимодействие агентов и снизить затраты.

LLM Agents Research

читать →

~2 мин 233 просмотра

// помочь проекту