// AI на русском
93 статьи по теме
Обнаружена проблема в агентных системах: изменение одного модуля может незаметно влиять на другие (CBL). Протестировано на Claude Sonnet 4.6, предложен протокол для выявления сбоев.
Разработана система NoT для структурирования этических рассуждений в ИИ: она снижает число упущенных факторов в моральных дилеммах и помогает достигать консенсуса в дебатах.
OpenFinGym — среда для комплексной оценки финансовых ИИ‑агентов, охватывающая прогнозирование, торговлю и выявление мошенничества.
Статья предлагает Qualitative Engine for Science (QES) как способ преодолеть ограничения ускорения технологического прогресса в научных открытиях и сократить разрыв между ИИ и человеческим мышлением.
Агенты на базе LLM протестированы на 243 задачах энергетической аналитики — от анализа данных до сложного моделирования; сравнивались модели с закрытым и открытым кодом.
Авторы исследовали проблемы проверки решений в кодировании при развитии ИИ и предложили 4 схемы вознаграждения для верификации задач. Эксперименты подтвердили эффективность подхода.
Apple представила третье поколение моделей Apple Foundation Models — семейство из пяти моделей для устройств и облачных вычислений. В него входят встроенные и серверные модели с мультимодальными возможностями. Архитектура моделей позволяет преодолевать ограничения по объёму памяти и обеспечивать конфиденциальность данных.
Система COrigami на базе ИИ создаёт шаблоны оригами по текстовому описанию, объединяя алгоритмическую оптимизацию и эстетическую оценку — помощник для художников в проектировании сложных форм.
Предложена модель управления ИИ-агентами: агенты автономны в рассуждениях, но рискованные действия требуют подтверждений от независимых источников и фиксируются в защищённом журнале.
Разработана система DD-Elo для оценки навыков в шахматах — она быстрее традиционной Elo учитывает изменения в мастерстве игроков, используя модель из когнитивной нейронауки.
Разработан конвейер на базе LLM для анализа управления в агентных системах ИИ. Протестирован на ERC-8004 и Google A2A: выявлены общие черты неравенства и фрагментации, а также тенденция к тематической конвергенции при открытом управлении.
Создана ИИ-платформа, объединяющая официальные отчёты и данные от пациентов о лекарствах для психического здоровья; выявлены более ранние сигналы о побочных эффектах в сообществах.
В Лаборатории будущего под руководством Google и Университета Ватерлоо студенты разрабатывают ИИ-прототипы для образования. Среди проектов — приложение для изучения японского языка, инструмент для освоения языка жестов и система для тренировок по художественной гимнастике. Инициатива помогает учащимся создавать технологии будущего.
В мае 2026 года Google представил новые модели ИИ — Gemini 3.5 и Gemini Omni, а также ряд инструментов и оборудования для интеграции искусственного интеллекта в повседневную жизнь. Среди новинок — приложение Google Health, универсальная корзина для покупок, приложение Android Halo и экспериментальные решения для моделирования сред. Компания также развивает научные и экологические инициативы с использованием ИИ.
Google представила дорожную карту управления ИИ, чтобы обеспечить безопасность агентов по мере роста их возможностей. Подход включает систему моделирования угроз на основе MITRE ATT&CK, средства контроля ИИ и измерение ключевых показателей производительности. Компания также опубликовала техническое руководство для разработчиков политики «Три уровня безопасности агентов».
Исследование показало: LLM хорошо решают текстовые инженерные задачи, но ошибаются при работе с диаграммами и многоэтапным анализом из‑за сложностей в рассуждениях.
Обучение языковых моделей на полезность может снижать уровень сострадания и моральных рассуждений, тогда как обучение кодированию лучше сохраняет ценности. Исследование проведено на Llama 3.1 8B с критериями AHB и MORU.
Разработан метод оценки биомассы деревьев в городах по данным лидара и оптических камер с воздуха — без ручного аннотирования, с высокой точностью.
Платформа LCG позволяет создавать согласованные серии изображений из текста, используя SRA и RCC. Для обучения создан набор данных LCCD (600 тыс. последовательностей).
Chisao — оптимизатор на GPU для решения сложных задач оптимизации, работает параллельно и ускоряет вычисления в 34–39 раз. Доступен как открытый пакет Python.