Deep Digest

Leiphone 23 Oct 2026

Kimi K3.1: прорыв в 3D‑графике и мультимодальных задачах

Модель Kimi K3.1 демонстрирует высокие результаты в мультимодальных задачах, включая работу с кодом и генерацию 3D‑графики. Её стоимость в 14 раз ниже, чем у GPT‑6 Astra, при этом она способна создавать интерактивные 3D‑решения за 15 минут. Модель успешно прошла тесты в Arena и показала сильные стороны в визуализации и пространственных задачах.

LLM Multimodal Vision

читать →

~4 мин 40 просмотра

L Leiphone

Leiphone 19 Oct 2026

Muse Wonder: проблемы с 3D-моделированием и успехи в кодировании

Meta* выпустила Muse Wonder и Muse Wonder Full, акцентируя внимание на возможностях в кодировании и выполнении длительных задач. Однако модель столкнулась с проблемами в 3D-моделировании — например, не смогла корректно сгенерировать вулканическую лампу. Эксперты подчёркивают важность анализа траектории выполнения задач и необходимость переосмысления текущих показателей Agent.

LLM Vision Research

читать →

~6 мин 138 просмотра

L Leiphone

Leiphone 17 Oct 2026

Интерпретируемость нейросетей: Ник Каммарата о прозрачности ИИ

Ник Каммарата утверждает, что нейросети имеют упорядоченную структуру и их можно интерпретировать. С развитием инструментов визуализации и алгоритмов удалось добиться чёткого объяснения 99–100 % нейронов в последнем слое современных визуальных моделей. Эксперты по‑разному оценивают значимость работы Каммараты: от признания важного момента в науке до сомнений в наличии существенных прорывов.

LLM Research Vision

читать →

~5 мин 153 просмотра

Leiphone 3 Sep 2026

Gemini и GPT в Minecraft: оценка VLM-моделей в воплощённом ИИ

Национальный университет Цинхуа и NVIDIA исследовали визуальные способности VLM‑моделей, включая Gemini 2.0 и GPT‑4.1, в сложных симуляторах. Разработан фреймворк VLM‑AR3L, который снижает затраты и задержки при обучении агентов. Модель показала высокую успешность в задачах в сложных средах, например в «Майнкрафте».

LLM Vision Research

читать →

~4 мин 85 просмотра

Leiphone 25 Aug 2026

Прорыв в воплощённом ИИ: решения на IJCAI 2026

На IJCAI 2026 представлены значимые достижения в области воплощённого интеллекта. Китайские учёные демонстрируют физико-инженерный подход к развитию ИИ, предлагая решения для навигации, захвата объектов и управления беспилотниками в сложных условиях. Разработки, такие как RepSAM и PECHC, демонстрируют высокую эффективность в нестандартных ситуациях.

LLM Vision Robotics

читать →

~6 мин 257 просмотра

Leiphone 13 Aug 2026

AdvNav: фреймворк для атак на системы визуальной языковой навигации

Команда профессора Чэнь Чанхао разработала фреймворк AdvNav для «чёрного ящика» атак на системы визуальной языковой навигации. В тестах на наборе данных R2R фреймворк показал высокую эффективность атак на модели HAMT и MapGPT. Результаты выявили скрытые уязвимости в системах VLN и открывают новые возможности для оценки безопасности и робастности ИИ.

LLM Vision Safety

читать →

~4 мин 301 просмотра

Leiphone 11 Aug 2026

Daimon-TWM: «физический интерактивный мозг» от Даймэн при поддержке Алибабы

Компания Даймэн привлекла сотни миллионов юаней при поддержке Alibaba Group. Она разработала тактильно ориентированную модель Daimon-TWM для физического ИИ, которая успешно тестируется в реальных задачах. Технология применяется в производстве электроники и автомобильной промышленности, а компания уже поставляет оборудование крупным технологическим игрокам.

LLM Vision Robotics

читать →

~3 мин 316 просмотра

Leiphone 6 Aug 2026

MVA: как видеомодели помогут роботам действовать

Ли Фэйфэй и Илун Ду работают над методом MVA, который позволяет роботам использовать видеомодели для управления действиями. Метод преобразует действия в пиксельные маскированные траектории и выполняет прямое и обратное преобразование. Микронастройка на 15 часах данных позволяет роботам переходить от управления одной рукой к управлению двойной рукой.

LLM Vision Robotics

читать →

~5 мин 417 просмотра

Leiphone 6 Aug 2026

Huawei на IJCAI 2026: переход к плотности проектирования в AI

Huawei представила на IJCAI 2026 ряд технических решений, отражающих переход от «плотности масштаба» к «плотности проектирования» в AI. Среди разработок — увеличение масштаба иерархического ViT до 30 млрд параметров, метод LFS для оптимизации обработки видео и фреймворк RaMod для улучшения работы больших языковых моделей. Метод перевода речи с переключением кодов превзошёл существующие решения.

LLM Vision Research

читать →

~4 мин 333 просмотра

Leiphone 4 Jul 2026

Vidu S1, который подталкивает поколение видео к новой эре взаимодействия в реальном времени

Компания Biotech запустила модель Vidu S1 для интерактивных видеосценариев в реальном времени. Модель позволяет генерировать видео нового поколения с возможностью непрерывного взаимодействия, включая голосовое управление и видеозвонки.

LLM Multimodal Vision

читать →

~10 мин 691 просмотра

Leiphone 29 Jun 2026

NVIDIA NitroGen и новинки ICML 2026: достижения в ИИ

NVIDIA NitroGen номинирована на премию CVPR 2026. На конференциях CVPR и ICML 2026 представлены новые наборы данных, модели и исследования в области ИИ — от мультимодального кода до логических рассуждений LLM. Компания Runway выпустила модель видеогенерации Gen-4.5, а Mistral AI укрепляет позиции на рынке ИИ-услуг.

LLM Vision Multimodal

читать →

~2 мин 726 просмотра

Всё важное об ИИ — в одной ленте