Заголовок на английскомP-ContextBench: From Personal Fact Recall to Personalized Agent Behavior
arXiv:2610.40959v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used for personal tasks, yet evaluating their safe use of personal context remains difficult because such contexts are private, fragmented, dynamic, and socially situated. We introduce…
Кратко от AI: Главные тезисы
- arXiv:2610.40959v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used for personal tasks, yet evaluating their safe use of personal context remains difficult because such contexts are private, fragmented, dynamic, and socially situated
- We introduce…
P-ContextBench: From Personal Fact Recall to Personalized Agent Behavior
Похожие материалы
Самые интересные ИИ-инструменты и новости за прошедшую неделю
📌 Самые интересные ИИ-инструменты и новости за прошедшую неделю GPT-6.1 Terra — новая модель OpenAI для управления компьютером, программирования и работы с документами. Genie 4 — нейросеть Google, создающая интерактивные виртуальные миры по текстовому описанию. Gemini 4 Carbon…
NVIDIA выпустила Nemotron 3.5 Bolt E4B
🌟 NVIDIA выпустила Nemotron 3.5 Bolt E4B Спустя чуть больше недели после релиза, когда вместе с мультимодальной Nemotron 3.5 Super VL вышла её сжатая версия Bolt на 74 млрд параметров, NVIDIA, как и обещала, опубликовала веса совсем компактной модели для периферийных устройств.…
ENCircumventing the Computational Hardness of Computational Arbitrage
arXiv:2610.40831v1 Announce Type: new Abstract: AI model marketplaces host providers with heterogeneous costs and capabilities. These differences create an opportunity for computational arbitrage (Olmedo et al., 2026), in which an intermediary purchases inference from a…
ENBeyond Plausible Prediction: Safety Sufficiency in Web World Models
arXiv:2610.40798v1 Announce Type: new Abstract: Web world models increasingly predict the consequences of candidate actions before agents act, yet a plausible predicted future does not necessarily support the correct safety decision. In a matched human evaluation of 3,000…