Барлық жарияланған талдаулар, егеменді стек зерттеулері, экожүйе жаңалықтары және ЖИ модельдерінің шолулары.
arXiv:2610.28934v1 Announce Type: new Abstract: Coding agents now complete tasks autonomously, modifying real-world state such as artifacts, software environments, and configurations along the way. Yet they show limited backup awareness: recognizing that an action will modify…
arXiv:2610.28945v1 Announce Type: new Abstract: Large language model (LLM) agents are increasingly expected to interact with environments and improve their decisions during deployment. However, how anticipating future outcomes and drawing on accumulated interaction experience…
arXiv:2610.28855v1 Announce Type: new Abstract: Progress on foundation model pretraining is gated by who can afford a trial, and relational pretraining is no exception. Recipes are developed inside individual labs, reported under private protocols, and do not accumulate.…
arXiv:2610.28875v1 Announce Type: new Abstract: Large language models increasingly take part in extended conversations where they can both shape and be shaped by another party's views, yet most persuasion research measures only one side of that exchange. We introduce a…
arXiv:2610.29036v1 Announce Type: new Abstract: Explaining a time-series model requires both locating the evidence and extracting meaningful knowledge from it. Yet a single timestep is not a semantic unit: the meaningful patterns live across many samples, not in any one of them.…
arXiv:2610.29057v1 Announce Type: new Abstract: Users increasingly rely on large language models (LLMs) to analyse collections of independent inputs, such as product reviews or social media posts, and return a single aggregated answer. This setting requires multi-instance…
arXiv:2610.28989v1 Announce Type: new Abstract: Customized agent deployments define policies over tools, resources, and execution conditions. Providing these policies in the task agent's prompt does not reliably prevent violations. Training a guard requires examples of tool…
arXiv:2610.28982v1 Announce Type: new Abstract: While large language models are increasingly deployed as tool-calling agents, their safety evaluations still focus primarily on their ability to refuse harmful requests in text. We investigate whether the refusal behavior in text…
arXiv:2610.28891v1 Announce Type: new Abstract: Many social evaluations for multiagent systems study behaviors as they emerge from environments instead of systematically intervening in the environment to elicit such behaviors. We introduce Fig (Finding Interactions in Games), an…
arXiv:2610.29014v1 Announce Type: new Abstract: Coding agents are rapidly advancing from single-file generation to long-horizon repository-scale engineering, yet the evaluation of their capabilities to author interactive extended reality (XR) applications remains an open…
arXiv:2610.29023v1 Announce Type: new Abstract: Large language model (LLM) agents are often improved by iterating until a fixed verifier is done. Once that verifier saturates, the loop has nothing left to climb. We instead score agents against the current population, and a…
arXiv:2610.29010v1 Announce Type: new Abstract: Radiation treatment planning requires balancing competing objectives to satisfy clinical criteria while accommodating physicians' preferences. This study aims to develop an evidence-driven, multi-agent compound AI system that…
arXiv:2610.29046v1 Announce Type: new Abstract: Large language models (LLMs) have shown considerable promise in synthesizing formal specifications from source code. However, existing approaches primarily focus on functional contracts and loop invariants, while largely neglecting…
arXiv:2610.28987v1 Announce Type: new Abstract: Persistent memory is a largely undefended surface for injection and poisoning, and the same risk limits memory sharing among agents. We present PerMIT, a memory architecture with provable integrity guarantees under an explicit…
arXiv:2610.28914v1 Announce Type: new Abstract: Frontier language-model agents excel at complex tasks, but high inference costs make transferring their capabilities to smaller models essential. Traditional knowledge distillation achieves this through parameter updates, requiring…
arXiv:2610.28836v1 Announce Type: new Abstract: This study proposes a sketch-to-simulation system to solve handwritten circuit diagrams. The system converts raw images into a Simulation Program with Integrated Circuit Emphasis (SPICE)-compatible netlist and automatically…
🌟 CLM-8B: агент әрекеттерін таңдауға арналған ашық және жылдам үлгі Стэнфорд NVIDIA-мен бірлесе отырып, Контрастивті тіл үлгілері класының бірінші үлгісін жалпыға қолжетімді етті. Бұл 15 қыркүйекте бұрынғы зерттеушінің TypeSafe AI стартапымен ұсынылған Jev-тің ашық аналогы...
🤖 Anthropic шығарылды Клод Дуэт: сізге бірінші хат жазатын жеке агент. Клодтың агенттері болды, бірақ оларды іске қосып, күту керек болды. Дуэт басқаша жұмыс істейді: тапсырманы мессенджерге ұқсас ағынға тастайсыз, ол оны бұлттық компьютерде фондық режимде орындайды және...
✔️ Dream Labs бейтаныс роботтарды басқару үлгісін ұсынды GR00T робототехникасы жобасы тобының төрт бұрынғы NVIDIA зерттеушісі өздерінің іске қосуымен жасырын түрде шығып, Dream-1 моделінің жалпыға қолжетімді API интерфейсін ашты. Компанияны GR00T басқарған Джоэл Джанг басқарды…
Hello everyone. In this episode, the most important and latest news about artificial intelligence and technology. Anthropic co-founder Jack Clark stated that the technological singularity has already arrived, and artificial intelligence has begun to outperform scientists and…
Фреймворк адаптивного агентного интеллекта использует Strands Agents для оптимизации AI-агентов.
Исследователи создали систему ScholarEvolve для оптимизации ИИ-агентов без переобучения, улучшив их производительность.
С выходом GPT 5.6 мы увидели огромные улучшения в создании корпоративных рабочих процессов с помощью B7 Go. Ещё несколько месяцев назад модели не могли по-настоящему понять сложные процессы, такие как андеррайтинг страховок или проверка финансовых сделок, но новейшие модели GPT…
Anthropic представила Claude Duet, нового ИИ-агента для бизнеса, доступного в приложении.
AWS Trainium позволяет обучать Qwen3 с использованием torchtitan и Hugging Face.
Anthropic Meta-ның Muse және OpenAI-ның Dots-қа қарсы AI агенті-ракіпті — Claude Duet-ті жариялады. Антропикке сәйкес, кәсіби мамандар мен кірісші ішкі иелерге арналған жаңа агент «зерттеу алдын ала көрінісі» ретінде шығаруда, және бұл iOS-да жеке қолданба ретінде қол жетімді...
OpenAI-нің GPT-5.6 Sol «Patch the Planet» іс-шарасының бөлігі ретінде миллиондарға әсер ететін критикалық PHP ақауын анықтады. Қауіпсіздік компаниясы Wiz Google-нің Gemini 4 Argon арқылы сол қатені тәуелсіз тапты. OpenAI сол AI мүмкіндіктерінің...
Исследование Google Research демонстрирует, как ИИ может улучшить материнский уход.
NVIDIA-ның Hugging Face-тегі блог жазбасы
🦂 Claude разработал белки, которые могут помочь в создании противоядия от укусов скорпионов Исследователи использовали Claude для проектирования белков, способных связываться с опасными токсинами скорпионов и потенциально блокировать их действие. Всего за 64 часа ИИ создал…