Барлық жарияланған талдаулар, егеменді стек зерттеулері, экожүйе жаңалықтары және ЖИ модельдерінің шолулары.
A large language model (LLM) agent can follow more graph paths without acquiring more independent evidence. GraphEcho tests whether agents mistake these repeated encounters for additional corroboration. The benchmark varies path counts and evidential origins while holding…
We present NeMo Data Designer (NDD), an open-source, general-purpose framework for multi-modal synthetic data generation (SDG). Designed to be intuitive to use, NDD provides a declarative configuration format in which human and/or agent users define each dataset column, with…
Behavioral cloning trains a policy offline on expert demonstrations, but deployment is closed loop: each action affects the observations the policy receives next. We study how much closed-loop driving competence a compact multimodal policy can acquire from offline demonstrations…
Large language models solve grade-school math word problems with high accuracy, yet a single irrelevant clause inserted into the problem can collapse it. We reconcile these observations with a mechanistic account. We show that the model's internal computation decomposes into a…
Large language model (LLM) trading agents can combine market data, news, and executable analysis, but their behavior is often controlled by static hand-written tool-use policies that are fixed before deployment. This limits their ability to adapt how they gather evidence, invoke…
Wearable assistants require episodic memory over egocentric video, yet current vision-language models face bounded frame budgets, growing visual-token costs, and long-context retrieval failures. Under these practical constraints, we study whether textual captions can serve as…
Document repositories evolve continuously. Guidelines and policies are revised, superseded, and re-uploaded, so the same content recurs in different wording and newer versions refine or contradict earlier ones. These inconsistencies belong to the growing collection rather than…
High-resolution land use and land cover (LULC) products derived from Sentinel-2 imagery are widely used for environmental monitoring and land management, yet their performance can vary across regions with complex ecological gradients and heterogeneous surface conditions. In…
Learning from human feedback has become a central paradigm for training modern AI systems, where models of human utility are used as reward models in policy learning. Existing methods typically assume a \emph{universal utility} function shared across a population and treat…
Standardizing clinical language to SNOMED CT supports interoperability, analytics, and reusable phenotyping, but concept recommendation remains difficult when relevant concepts are rare or absent from training data. We present a masked-concept recommendation benchmark using the…
Emotion recognition in conversation (ERC) is a production capability behind agent-assist prompts, escalation routing, and post-call analytics in contact-center-as-a-service (CCaaS) platforms, where cost and latency constraints matter as much as accuracy. We report a…
KV-cache reuse can reduce inference cost in retrieval-augmented generation and agentic systems, but cached contexts may become stale when retrieved knowledge, working memory, or user state is edited. Under causal self-attention, even a local edit can affect downstream KV states.…
Restricting what a module can read may improve what a system learns to compute. We test this in a preregistered confirmation with sixty four-cell systems sharing a frozen language-model backbone and communicating through learned continuous packets. Five conditions vary evidence…
Enterprise guideline documents mix narrative text, complex tables, and embedded images, and converting them into structured work artifacts still takes two to three days of manual effort each. Current language and vision-language models extract from such documents but offer no…
Fairness-aware model compression requires selecting methods and configurations that balance accuracy, fairness, and deployment cost. These decisions become more difficult when compression methods are composed or the user's requirements change. In this paper, we propose…
Frontier models are often evaluated on how they respond to safety information once it is already in context. We study an earlier decision point: whether models choose to acquire safety-relevant evidence before acting. We introduce SAFE, a controlled benchmark in which models…
Computer-use agents that operate through screenshots and simulated actions are advancing rapidly, yet their evaluation remains anchored to general desktop and web tasks. Enterprise Resource Planning (ERP) systems run the finance, procurement, inventory, and customer operations…
Vision-language model (VLM) agents combine specialized perception, tools, and reasoning to address complex visual tasks. In multi-agent settings, different agents inspect different image regions, video frames, or visual representations, so collaboration extends beyond…
AI is changing what leaders must judge, explain, learn, and coordinate, yet existing measures do not capture these behaviors at the level needed to study leadership in AI-enabled work. We develop the AI Leadership Battery, which organizes 36 behaviorally specific subdimensions…
Успішь Так, ну что ж, всем добрый вечер. Вас рад вас приветствовать на семинаре института искусственного интеллекта Айри. Меня зовут Панов Александр, и мы начинаем с вами новый сезон разбора всего самого горячего, всего самого интересного в мире искусственного интеллекта. Мы…
Your startup’s next teammate might be an AI agent. Gusto, Insight Partners, and Leland explain at TechCrunch Disrupt 2026. Register to save up to $200.
[music] >> Hi, I'm Kunal Malik and I lead the global [music] IT team at OpenAI. Adding AI to just specific parts of the process is not going to be enough. To really reimagine the process completely [music] is the paradigm in which we can transform. We look at it in three layers.…
Since Specs' debut earlier this year, Snap has clearly been looking for an opportunity to explain why the smart glasses deserve to exist.
OpenAI for Law brings frontier intelligence for law, custom firm workflows, connected legal data sources, and legal-grade controls for confidential client work.
In an interview with TechCrunch, Al Gore suggested he isn't losing sleep over AI data center emissions — he's more worried about the AI industry's own warnings about where the technology is headed.
Snap «Specs Intelligence» жаңа AI көмекшісін ұсынады, ол жұмыс тапсырмаларын орындау және саяхат туралы ақпаратты қадағалау сияқты басқа сандық тіркелгілерді қоса алады. Бұл Meta's Muse және Gemini's Spark сияқты AI көмекшілеріне ұқсайды, дегенмен Snap ұсынып жатыр ...
ChatGPT-ге жаңадан кірген жоқсыз ба? Осы жерден бастаңыз. Бұл жылдам оқулықта сіз сұрақты теруді немесе айтуды, жауапты қарап шығуды және оны оңайырақ немесе пайдалырақ ету үшін одан әрі сұрауды үйренесіз. Керемет сөздерді табудың қажеті жоқ - бір сұрақтан бастап, әңгімені жалғастырыңыз.…
Бірнеше пайдалы мәліметтер үлкен айырмашылықты жасай алады. Осы жылдам оқулықта сіз ChatGPT-ке не қажет екенін, оның кімге арналғанын және қандай жауап ең пайдалы болатынын қалай айту керектігін білесіз. Жалпы түскі асқа арналған сұрақ қарапайым рецепттер мен рецепттермен практикалық тамақтану жоспарына қалай айналатынын қараңыз...
Бос емес идеяны қарапайым, басқарылатын жоспарға айналдырыңыз. Бұл жылдам оқулықта сіз ChatGPT тұрмыстық тапсырмаларды, тапсырмаларды, сапарларды, оқиғаларды және басқа күнделікті жобаларды ұйымдастыруға қалай көмектесетінін білесіз. Отбасына баруға дайындалу жоспары қалай ұйымдастырған қысқаша бақылау парағына айналатынын қараңыз...
Күдікті электрондық пошта немесе мәтін? ChatGPT көздердің екінші жиынтығы ретінде қызмет ете алады. Бұл жылдам оқулықта сіз шұғыл тіл, бейтаныс сілтемелер, әдеттен тыс сұраулар және ақша сұраулары сияқты жалпы ескерту белгілерін анықтауды үйренесіз. Ешқашан күдікті сілтемені баспаңыз немесе нөмірге қоңырау шалмаңыз…