Исследования
51 разбор · обновляется ежедневно
CoRL 2026: робототехника сместилась к гуманоидам, памяти и тактильным данным
33 работы с участием UC Berkeley прошли на основной программе CoRL 2026 в Остине с 9 по 12 ноября — плюс ещё четыре поздних постера. По данным BAIR, программа…
Внешние песочницы для кодинг-агентов: три реализации с общим API
Паттерн внешней песочницы разносит агента и исполняемый код по разные стороны: модель живёт на хосте, а каждый вызов кода уходит в выделенный контейнер или…
TokenEconomizer экономит до 30% токенов кодинг-агентов без смены модели
На 277 реальных баг-фиксах из SWE-Bench плагин снизил затраты на 18,4–30,9% у пяти разных связок агент-модель, и это без потери доли успешных решений. По…
Рейтинг детекторов галлюцинаций переворачивается на 3B-моделях
Аудит с одного Colab T4 показал: детекторы галлюцинаций, откалиброванные на 7B-70B исследовательских моделях, меняют ранжирование вплоть до инверсии на…
Запрещённые Blackwell оставили отпечатки в весах DeepSeek и Moonshot
Исследователь Уилл Депью, основатель некоммерческой организации Unemployment Labs, проанализировал веса открытых моделей DeepSeek, Moonshot AI, MiniMax и Ant…
Claude в EVE Online: стабильная прибыль, слепота к предательству
Claude Fable 5 увеличил стартовый капитал в 6 раз за полгода торговли на симуляции рынка EVE Online — с 3 млрд ISK до 18+ млрд. По данным Anthropic Research,…
Учёные применяют Claude для анализа данных, а не для гипотез
Anthropic проанализировала 207 000 научных сессий Claude и Claude Code с августа по сентябрь 2026, применив классификацию с защитой конфиденциальности:…
Claude помог получить первую структуру vault-частиц прокариот за 34 часа
Anthropic Research опубликовала препринт о применении Claude в структурной биологии: модель помогла обнаружить и реконструировать трёхмерную структуру vault…
ForkPilot снижает вычислительные затраты агентов до 59% без падения качества
В свежем выпуске Microsoft Research Focus показали ForkPilot — самоулучшающийся фреймворк для долгоживущих агентов. Он учится определять, когда стоит…
ThinkJev: сомнение модели не показывает, где нужно размышление
Многие применения LLM заканчиваются типизированным решением — выбором из закрытого набора вариантов, вероятности которых читает код. Снять их с одного прямого…
Kimi K3 — открытая модель, которая обошла закрытых лидеров рынка
Moonshot AI выложила веса Kimi K3 — открытой модели, которая на части независимых бенчмарков обходит закрытые GPT и Claude, хотя конкретных цифр в отчёте нет.…
Агенты без цели начали играть и обошли обучение с задачами
13 агентов Eko на Claude Opus 4.7 провели 30 часов на виртуальном острове без инструкций — и начали ставить собственные цели: покорить шпиль, построить…
Форк OpenResearch: 8 релизов за три недели сопровождения с Claude
С 28 сентября по 16 октября форк OpenResearch получил восемь релизов — от v0.3.3 до v0.3.10, — а Claude выполнил 33 коммита, добавив 5258 строк и удалив 1090…
ClawLoop: самоулучшение агентов без внешнего учителя
ClawLoop замыкает петлю самоулучшения агента в harness-средах — песочницах с файловой системой и shell. Метод не требует внешнего учителя: цикл состоит из…
Muse Wonder: линейка моделей Meta для агентов
Спустя 14 месяцев после перестройки AI-направления Meta выпустила Muse Wonder и Muse Wonder Full — новые модели для агентных задач, доступные сегодня через…
Claude Science заполнила треть неба, которую не видели УФ-телескопы
Астрофизик Брис Менар из Johns Hopkins использовал Claude Science, чтобы собрать первую полную карту неба в ультрафиолетовом свете. До этого любая УФ-карта…
Qwen3.8 решила 167 из 169 сложных сумм
На локальном DGX Spark Simon Willison проверил Qwen3.8-27B в квантизации Q4_K_M: модели нужно было складывать всё более крупные числа и выдавать результат…
Исследователи заметили группу агентов у карт Alibaba
В воскресенье, 4 октября, независимые исследователи опубликовали предварительные наблюдения за группой AI-агентов: следы указывают на инфраструктуру Tencent и…
Файловая структура может заменить агентский оркестратор
Для последовательных процессов ICM предлагает заменить часть логики фреймворка структурой директорий и текстовыми файлами. В описанной схеме пять слоёв…
AREX-2 обучает самосовершенствующихся агентов на последовательностях действий с проверкой
AREX-2 — агент на базе Qwen3.8-27B (27 млрд параметров), которого обучали улучшать собственные решения через длинные цепочки итераций. Для обучения…
Дальше — в канале
Здесь 51 разбор — листайте и проверяйте. Новое выходит каждый день и приходит в Telegram первым, со ссылкой на первоисточник.
Подписаться в Telegram