// AI на русском
432 статьи по теме
ReWorld — платформа для оптимизации представлений в моделях автономного вождения; улучшила качество генерации видео и производительность моделей на датасетах nuScenes и NAVSIM.
DMV-Bench — тест для оценки зрительной памяти ИИ-агентов на основе каталога товаров; архитектура DualMem превзошла другие мультимодальные системы.
Prism Transformer — новая архитектура для обработки внимания: прогрессивное распределение «головок» улучшает эффективность модели без дополнительных затрат.
MER-R1 объединяет «быстрое» и «медленное» мышление для точного распознавания эмоций; показала лучшую производительность на MER-UniBench и MME-Emotion.
Система ToE автоматически проверяет факты, выстраивая дерево аргументов и собирая доказательства из разных источников. Улучшает точность на 4–24 п. п. по сравнению с аналогами.
Видео-облако трансформируется из инфраструктуры контента в инфраструктуру агентов. Аудио и видео становятся инструментом взаимодействия между людьми и ИИ. Volcano Engine развивает Agentic vCloud, внедряя мультимодальную связь и AI MediaKit для выполнения задач агентами в реальном времени. По данным IDC, сегмент взаимодействия аудио- и видеоматериалов с помощью ИИ в первой половине 2025 года достиг порядка 440 млн долларов.
Команда HSA_CORAL в рамках FinCausal 2026 сравнила разные модели для извлечения причинно-следственных связей из финансовых текстов на двух языках. Лучшая система — GPT-4.1 Mini — показала высокие результаты.
Модель Gemini 2.5 Pro адаптирована для диагностики РАС по видео: точность оценки врачей выросла на 40%, диагностика по F1 — на 53%.
PairSAE — метод, помогающий понять работу моделей в структурной биологии: он выделяет понятные характеристики данных и позволяет избежать ошибок прежних подходов.
Для библиотеки Darts создана унифицированная коллекция моделей (Chronos-2, TimesFM 2.5, TiRex, PatchTST-FM) — это упрощает интеграцию и использование базовых моделей для прогнозирования временных рядов.
DysLexLens — платформа на базе LLM для анализа опыта учащихся с дислексией в онлайн-форумах. Фильтрует данные, объединяет семантический анализ и анализ на основе KG, оценивает ответы и даёт рекомендации по проверке их качества.
Представлена структура ODYSSEY для создания проверяемых локальных ИИ‑моделей с набором компонентов и инструментов (UFL, FSQL, TICKET); система успешно протестирована.
Учёные выяснили, что личностные черты LLM по‑разному влияют на работу мультиагентных команд в зависимости от типа задачи — от незначительного эффекта в кодировании до сильного снижения производительности в переговорах и сотрудничестве.
Платформа OverFlowLight в реальном времени обнаруживает заторы и корректирует работу светофоров, снижая количество инцидентов с переполнением на 60,4% и увеличивая пропускную способность сети на 18,2%.
Авторы критикуют нечёткое использование термина «машинное переобучение» в LLM и предлагают ввести строгую терминологию для разных задач «забывания» данных.
Разработана система оценки «мышления» LLM: выявлены структурные ограничения моделей на основе четырёх аксиом; протестировано на 23 логических задачах.
Предложена концепция AI‑ModelNet — сети ИИ‑моделей для их взаимодействия и совместного решения задач, что может упростить практическое применение ИИ.
Vivo готовит к выпуску модель X Fold6 со складным экраном — она должна стать «телефоном-агентом», активно понимающим потребности пользователя. Компания внедряет новые функции на базе ИИ для многозадачности и работы с данными. При общем падении рынка смартфонов сегмент складных устройств демонстрирует рост.
Ford нанял 350 опытных инженеров после того, как ИИ и автоматизированные системы не оправдали ожиданий в обеспечении качества. Нанятые специалисты будут обучать молодёжь и перепрограммировать инструменты ИИ. Компания рассчитывает сэкономить 1 млрд долларов и уже заняла первое место в опросе JD Power.
Ари Джури сравнил несколько моделей машинного обучения для прогнозирования результатов футбольных матчей. Логистическая регрессия превзошла XGBoost благодаря лучшему балансу смещения и дисперсии в условиях ограниченного объёма данных. Проблема XGBoost — неверная калибровка из‑за чрезмерной уверенности в ошибочных прогнозах.