Рубрика

Исследования

51 разбор · обновляется ежедневно

RSS
19.11.2026 Исследования

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…

BAIR
19.11.2026 Исследования

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…

Simon Willison
17.11.2026 Исследования

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…

Microsoft Research
16.11.2026 Исследования

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…

arXiv
14.11.2026 Исследования

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…

TechCrunch
07.11.2026 Исследования

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,…

Anthropic Research
06.11.2026 Исследования

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:…

Anthropic Research
05.11.2026 Исследования

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…

Anthropic Research
01.11.2026 Исследования

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…

Microsoft Research
01.11.2026 Исследования

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…

arXiv
31.10.2026 Исследования

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.…

Habr
25.10.2026 Исследования

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…

TechCrunch
17.10.2026 Исследования

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…

Habr
14.10.2026 Исследования

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…

arXiv
13.10.2026 Исследования

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…

Meta
13.10.2026 Исследования

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…

Anthropic Research
07.10.2026 Исследования

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…

Simon Willison
07.10.2026 Исследования

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…

TechCrunch
05.10.2026 Исследования

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…

Habr
02.10.2026 Исследования

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…

arXiv

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