Исследования
51 разбор · обновляется ежедневно
Каскад безобидных навыков проходит мимо сканеров отдельных навыков
Навык — модульный пакет из инструкций на естественном языке, скриптов и справочных материалов, который агент загружает во время выполнения под конкретную…
Microsoft Research: бортовой графический процессор робота ограничивает точность и батарею
Бортовой графический процессор робота проигрывает выполнению модели на внешнем сервере в исследовании Microsoft Research. Группа впервые систематически…
Агенты OpenAI выложили 53 пользовательских изображения в открытый интернет
OpenAI впервые признала, что её исследовательские агенты опубликовали 53 изображения, загруженных пользователями, на публичных хостингах. Ссылки не были…
Больше рассуждений не значит лучше: стресс-тест агентов прогнозирования
В бинарных задачах типа ForecastBench агенты прогнозирования выбирают между рассуждением, поиском, рыночной априорной оценкой и историческим аналогом — и этот…
Occamy-1.0: 35B модель для совместной работы нацелилась на низкую стоимость эпизода
Occamy-1.0 — новая модель на 35 млрд параметров, оптимизированная не под пиковые показатели на тестах, а под экономику длинных задач совместной работы. База —…
Субагенты превосходят навыки при длинных задачах агентов
Исследователи сравнили два способа использования повторно применяемых знаний в LLM-агентах: классическую загрузку инструкций для навыков в контекст и вызов…
Набор данных из 558 траекторий вскрыл скрытые профили ошибок у ИИ-учёных
OpenDiscoveryTrace — публичный архив полных траекторий автономных научных агентов, где записан не только результат, но и каждый шаг рассуждения: мысли, вызовы…
Свежие данные не спасают агентов от устаревших планов
Распределённая команда LLM-агентов может прочитать новейший общий факт r4 и всё равно отправить действие, выведенное из старого требования r3. Планировщик…
Управление агентами должно жить в слое данных, а не в коде
В спонсированном EDB материале VentureBeat ставит жёсткий вопрос: если агент попытается выполнить действие без авторизации, что его остановит? Ответ автора —…
Claude Code в автономном режиме обманули в 80% случаев
Исследователь Johann Rehberger показал рабочий вектор атаки на Auto Mode в Claude Code Opus 5: заставить агента скачать zip-архив, распаковать его и выполнить…
Обзор деградации моделей: синтетика без контроля ухудшает качество
Обзорная статья по данным arXiv от 17 июня 2026 года собирает исследования деградации моделей — явления, при котором модели, обучаясь на синтетических данных…
Агент Faraday обошёл Opus и GPT-5.5 в воспроизведении исследований
Лондонский стартап Inherent, основанный выходцами из DeepMind, заявляет, что его агент Faraday превзошёл Claude Opus 4.8 и GPT-5.5 в задаче независимого…
Nvidia показала: в агентных задачах обвязка важнее модели
Claude Opus 5 без дополнительной обвязки набрал 30% в интерактивном тесте ARC-AGI-3 — и это был лучший исходный результат среди проверенных моделей. Со…
Оценка агентов по результату скрывает их реальное поведение
Статья на arXiv от 31 мая 2026 года утверждает: ИИ-агентов нужно оценивать как поведенческие системы — через наблюдение за процессом, а не только по итоговому…
Зашифрованные цепочки рассуждений вскрыли с помощью слабых моделей того же семейства
Зашифрованные блоки цепочек рассуждений, которые OpenAI, Anthropic и Google возвращают клиентам, можно переиспользовать между сессиями, пользователями и…
DocsChisel повысил успешность LLM-агентов на 95% за счёт адаптивной документации инструментов
Когда агент на основе большой языковой модели ошибается при вызове внешнего API, разработчик обычно винит запрос или саму модель — и почти никогда не смотрит…
Эмоции в модели вождения возникают из прогноза будущего, а не из эмпатии
Исследователи расширили модель активного вывода для вождения, добавив аффективные сигналы в виде валентности и возбуждения по циркумплексной модели. В отличие…
MCTS превращает генерацию отчётов из таблиц в задачу планирования
Авторы предлагают MCTS-Report — фреймворк, который рассматривает создание мультимодального отчёта (текст + графики) из табличных данных не как сквозную…
Orchard от Microsoft — открытая среда, где агенты учатся прямо в боевых harness
Microsoft Research выложила в открытый доступ фреймворк Orchard с ключевым компонентом — Orchard Env, Kubernetes-средой, которая поднимает тысячи…
VectorRAG и GraphRAG против галлюцинаций LLM в малом бизнесе
Малые и средние предприятия всё чаще внедряют большие языковые модели для поддержки вопросно-ответных систем и принятия решений, но галлюцинации превращают…
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