Deep Digest

cs.CV

arXiv

Cornell University Library

arXiv cs.CV 2 Jul 2026

RadarTwin: новый способ научить радар «видеть» в помещении

RadarTwin — платформа для обучения радаров mmWave без реальных данных: синтезирует измерения и позволяет распознавать объекты с точностью до 95,3%.

Vision Research Multimodal

читать →

~1 мин 441 просмотра

Leiphone 2 Jul 2026

Nvidia и Sharpa: почему выбрали руку Sharpa Wave на ICRA 2026

На ICRA 2026 обсудили выбор Nvidia в пользу руки Sharpa Wave для робота Isaac GR00T. Sharpa продемонстрировала высокую производительность: 22 степени свободы, тысячи тактильных датчиков и возможности работы с данными, приближенные к человеческим. Сотрудничество компаний выходит за рамки одного робота — они разрабатывают общие платформы для сбора данных и управления роботами.

Robotics LLM Multimodal

читать →

~4 мин 433 просмотра

Leiphone 2 Jul 2026

Мобильные сети в эпоху физического ИИ: вызовы и решения от Huawei

Появление физического ИИ ставит перед мобильными сетями новые задачи — от расширения диапазона подключений до повышения требований к качеству связи. Huawei предлагает внедрять искусственный интеллект в структуру сети, чтобы динамически распределять ресурсы, обеспечивать автономную эксплуатацию и поддерживать сложные сценарии использования. Это приведёт к трансформации бизнес‑моделей операторов — от продажи трафика к продаже гарантии качества обслуживания.

LLM Multimodal Business

читать →

~4 мин 434 просмотра

Google AI Blog 2 Jul 2026

Обновления Google в сфере ИИ: Gemini, Android 17 и другие новинки

В июне 2026 года Google представила ряд ИИ-обновлений — от новых моделей (Gemma 4 12B, Nano Banana 2 Lite, Gemini Omni Flash) до функций в Android 17 и сервисах вроде Google Finance и Gemini 3.5 Live Translate. Среди новшеств — динамик Google Home с поддержкой Gemini, обновлённый NotebookLM и учебные тетради в приложении Gemini. Также компания рассказала о проектах в сфере образования, науки и безопасности.

LLM Multimodal Research

читать →

~3 мин 747 просмотра

cs.CL

arXiv

Cornell University Library

arXiv cs.CL 2 Jul 2026

Новый тест Indi-RomCoM выявил слабые места LLM в работе со смешанным индийско‑английским языком

Создан тест Indi-RomCoM для оценки LLM на смешанных индийско‑английских инструкциях; модели плохо с ними справляются, особенно при сильном смешивании языков.

LLM Research Multimodal

читать →

~1 мин 456 просмотра

TechOrange 1 Jul 2026

Ask Macy's: как Macy's с помощью ИИ повышает эффективность покупок

Macy's совместно с Google Cloud запустил сервис «Ask Macy's» — цифровой торговый помощник на базе ИИ. Система помогает покупателям быстрее находить подходящие товары, используя мультимодальный подход и виртуальную примерку. По данным бета‑тестирования, пользователи сервиса получают в 4,75 раза больше дохода за одно посещение.

Multimodal

читать →

~2 мин 290 просмотра

note.com / #AI 1 Jul 2026

Veo 3 × Sora 2: из статичного изображения — в реалистичное видео

Модели ИИ Google Veo 3 и OpenAI Sora 2 позволяют создавать реалистичные видео из одного статичного изображения. Комбинированный рабочий процесс с использованием инструментов вроде CapCut и Nano Banana упрощает создание контента и помогает добиваться миллионов просмотров. Технология постепенно вытесняет традиционную фотосъёмку в маркетинге и рекламе.

LLM Vision Multimodal

читать →

~1 мин 307 просмотра

Zenn / AI 1 Jul 2026

Nebula System: синхронизация эмоций NPC с Unity через LangGraph и SSE

Тиора разработал систему Nebula, которая синхронизирует мыслительный процесс ИИ с анимацией в Unity в реальном времени — благодаря этому NPC из простых текстовых ботов превращаются в эмоциональных партнёров игрока. В ходе разработки система прошла несколько этапов эволюции: от перехода на Unity и замены LangChain на LangGraph до интеграции MCP и RAG. Для решения проблемы задержек внедрена потоковая передача данных через SSE и собственный протокол передачи сигналов.

LLM Multimodal Agents

читать →

~3 мин 325 просмотра

cs.CL

arXiv

Cornell University Library

arXiv cs.CL 1 Jul 2026

Модели языка жестов научились улавливать фонологические нюансы

Учёные оценили, как модели распознавания языка жестов улавливают фонологические особенности: выявлены различия между моделями на основе позы и пикселей, обнаружена частичная корреляция с восприятием человека.

Research LLM Multimodal

читать →

~1 мин 468 просмотра

Google DeepMind 30 Jun 2026

Nano Banana 2 Lite и Gemini Omni Flash: новые инструменты от Google

Google выпустил модели Nano Banana 2 Lite для генерации изображений и Gemini Omni Flash для создания и редактирования видео. Первая отличается высокой скоростью и экономичностью, вторая позволяет комбинировать разные типы данных для работы с видео. Разработчики могут объединять модели в единый рабочий процесс.

LLM Multimodal

читать →

~2 мин 763 просмотра

AI Supremacy 30 Jun 2026

Neo Labs: возможности ИИ в математике и естественных науках

Статья посвящена роли ИИ в науке, в частности в математике и естественных науках. Обсуждаются новые стартапы в сфере ИИ — Neo Labs — и их вклад в развитие технологий. Также рассматривается нерешённая математическая задача, поставленная Паулем Эрдешем, и роль ИИ в её возможном решении.

LLM Research Multimodal

читать →

~2 мин 303 просмотра

cs.AI

arXiv

Cornell University Library

arXiv cs.AI 30 Jun 2026

IMCBench: новый тест для ИИ в медицинских диалогах с использованием изображений

IMCBench — тест для оценки ИИ-моделей в медицинских диалогах с изображениями; тестировались Claude, GPT, Nova, Llama; лучший результат у Claude Opus 4.6 (3,61 балла).

LLM Multimodal Research

читать →

~1 мин 432 просмотра

Всё важное об ИИ — в одной ленте