Рубрика

Исследования

51 разбор · обновляется ежедневно

RSS
30.09.2026 Исследования

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…

arXiv
27.09.2026 Исследования

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…

Microsoft Research
27.09.2026 Исследования

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…

TechCrunch
26.09.2026 Исследования

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…

arXiv
20.09.2026 Исследования

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 —…

arXiv
13.09.2026 Исследования

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…

arXiv
10.09.2026 Исследования

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…

arXiv
05.09.2026 Исследования

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…

arXiv
30.08.2026 Исследования

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 —…

VentureBeat
29.08.2026 Исследования

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…

Simon Willison
26.08.2026 Исследования

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…

arXiv
24.08.2026 Исследования

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…

TechCrunch
22.08.2026 Исследования

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…

TechCrunch
20.08.2026 Исследования

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…

arXiv
14.08.2026 Исследования

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…

Simon Willison
13.08.2026 Исследования

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…

arXiv
12.08.2026 Исследования

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…

arXiv
06.08.2026 Исследования

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…

arXiv
06.08.2026 Исследования

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…

Microsoft Research
06.08.2026 Исследования

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…

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