// AI на русском
724 статьи по теме
Разработан замкнутый цикл обработки данных для выявления и устранения слабых мест в LLM; метод протестирован на задачах BBH и AIME2025/AIME2026, показал эффективность.
Разработан агент RSEA, который самостоятельно улучшает свою работу и безопасно адаптируется к задачам. В тестах показал высокие результаты.
Исследование Google и Public First показало, что за последний год внедрение ИИ на рабочих местах в Великобритании удвоилось — до 73 %. При этом лишь 15 % продвинутых пользователей значительно чаще сообщают о карьерном росте и повышении зарплаты. Инициатива «AI Works for Britain» призвана помочь остальным 85 % работников освоить ИИ и сократить разрыв в уровне внедрения технологии.
Институт Шанчжи, Шанхайский университет науки и технологии и Фуданьский университет представили фреймворк FLAG для восстановления структуры пространственного транскриптома. Модель переопределяет задачу с детерминированной регрессии на моделирование структурированного распределения и успешно справляется с «проклятием генетической размерности». Эксперименты показали преимущество FLAG по структурным показателям в сравнении с другими методами.
Yuvion LLM — модель ИИ с усиленной защитой от угроз, учитывающая «состязательный» характер атак; в тестах превзошла GPT-5.4 и Qwen3-MAX по показателям безопасности.
QDiffusion-TS — квантовая модель для синтеза временных рядов: сокращает число параметров и точнее генерирует данные, чем классические аналоги.
LaViD — платформа для передачи знаний от LLM к моделям компьютерного зрения. Превосходит существующие методы, повышает точность распознавания объектов.
Kuaishou ведёт переговоры с General Atlantic о финансировании бизнеса по производству моделей Kling AI. Компания планирует привлечь более 22 млрд долларов, постинвестиционная оценка — около 118 млрд долларов. Интерес к инвестициям проявляют и другие институты, ориентированные на азиатский рынок.
Создан тест NormAct для оценки способности MLLM учитывать скрытые социальные нормы; предложен NormPerceptor, повышающий успешность задач с 24,2% до 46,7%.
Алгоритм ATOD объединяет OPD и RL для обучения автономных агентов; показал лучшие результаты в тестах на ALFWorld, WebShop и Search-QA.
Техническая команда Kuaishou представит ряд исследований на ICML 2026. Работы охватывают ключевые направления ИИ, включая большие языковые модели, обучение с подкреплением и компьютерное зрение. Конференция пройдёт с 6 по 11 июля в Сеуле.
Ли Донхао основал бренд AIVELA, который стремится занять нишу на рынке носимых устройств с ИИ. AIVELA Ring Pro отличается расширенным функционалом и новым подходом к взаимодействию с пользователем — в отличие от «строгого» стиля Oura, AIVELA использует «материнский» подход. Рынок смарт-колец демонстрирует высокие темпы роста, и AIVELA нацелена занять свою нишу, опираясь на возможности ИИ.
На прошлой неделе OpenAI выпустила пакет моделей GPT-5.6, Anthropic представила функцию Claude Tag, а General Intuition продвигает использование видеоигр для обучения ИИ. Кубок LayerLens Stratix стал испытанием моделей в игровой среде. Кроме того, ряд компаний и исследовательских групп представили новые разработки и привлекли финансирование.
Южная Корея выделяет 1 трлн долларов на развитие производства чипов памяти, центров обработки данных с ИИ и внедрение человекоподобных роботов. Крупные компании, включая Samsung, SK Hynix и Hyundai, инвестируют средства в строительство заводов и центров обработки данных. В обществе возникают споры из‑за влияния новых технологий на рынок труда и распределение прибыли.
Разработан трёхэтапный метод обучения агентов LLM для более точного прогнозирования последствий действий — он эффективнее базовых подходов в задачах поиска и математического анализа.
GILP уменьшает галлюцинации в LLM, объединяя параметризованную модель и рассуждения агента через API; частота ошибок снизилась в 5 раз.
Итан Моллик провёл эксперимент с ИИ-агентом Fable, попросив создать «игру в змейку с самосознанием». Демонстрация показывает, как ИИ может модифицировать уже существующую систему, а не создавать новую в каждом раунде. Ключевая сложность — интерпретировать неопределённую обратную связь («Сделай это лучше») и учесть множество факторов при внесении изменений.
Выявлена проблема использования устаревшей информации агентами LLM в диалогах. Создана среда Supersede для обучения моделей работать с актуальными данными — точность ответов выросла почти вдвое.
Учёные выяснили, что трансформеры сначала усваивают общие языковые правила, а затем — локальные зависимости; предложена новая концепция обучения NLM.
Созданы модели Aloe-Vision для анализа медданных по изображениям, набор данных Aloe-Vision-Data и тест CareQA-Vision. Модели открыты, протестированы и готовы к использованию.