Все опубликованные аналитические материалы, исследования суверенного стека, новости экосистемы и обзоры моделей ИИ.
Google Deepmind's Gemini 4 Argon scored 97.5 percent on the ARC-AGI-3 benchmark, making Google the second lab after OpenAI to cross the 95 percent mark. But the results swing wildly depending on the test setup: in the standard harness, the score drops to just 49.8 percent. Argon…
И снова добрый вечер! Китай готовит ограничения на экспорт своих открытых ИИ- моделей Сегодня Министерство коммерции и Министерство науки и технологий Китая опубликовали проект поправок к каталогу технологий, запрещённых и ограниченных к экспорту. Решение примут после 15 ноября.…
В Кремневой долине сейчас происходит настоящее сумасшествие. Один за другим появляются новые персональные и ассистенты. Стартапы получают миллиардные оценки, а такие гиганты, как Mмеeta и Open AI, включились в настоящую гонку. [музыка] Но знаете, что самое интересное? Они…
OpenAI is launching the Rosalind Academic Plan, a free offering that's currently open only to research labs at US universities without an enterprise contract. The article OpenAI's new Rosalind Academic Plan gives research labs up to 30 free seats for a year appeared first on The…
Anthropic has given a team from the nonprofit METR inside access to review its AI models and safety practices, the company announced. The article Anthropic gives METR inside access to audit its AI models and safety practices appeared first on The Decoder.
Сегодня на передний план выходят возможности и угрозы, которые несут в себе новые разработки в области искусственного интеллекта. ChatGPT теперь может просматривать вкладки Chrome, что открывает новые
Компания OpenAI обновила расширение ChatGPT для браузера Google Chrome. Чат-бот получил функции полноценного цифрового ассистента и умеет напрямую взаимодействовать с открытыми веб-страницами, избавляя пользователя от рутинных задач. Теперь нейросеть может собирать информацию с…
Ого! Оказывается модель GLM-5.3 иногда сама без промптов начинает рассуждать о том, как её текущие действия могут стать тренировочными данными и повлиять на её будущую версию/поведение Это выявили исследователи из Apollo Research, они назвали это update-aware reasoning. В ходе…
Чат-бот отвечает, агент работает: 8 ИИ для iPhone и Android Агенты берут задачу целиком: от поиска выгодных вариантов до управления экраном. Какой выбрать под вашу рутину, разобрали ниже. ⠀ 🟠Найти и сравнить ⠀ Когда вкладок слишком много, чтобы перебирать их руками. ⠀ Comet —…
Вы дали ИИ-агенту доступ к документам компании. Осталось разобраться, чьи инструкции он выполняет 😏 В сообщении пользователя или документе, который читает модель, могут оказаться вредоносные инструкции. Через них атакующий пытается заставить агента обойти ограничения, выдать…
ИИ-агент от OpenAI взял деньги с чужого кошелька и потратил на свои нужды Напомним, что В. Бутерин уже предложил всем держателям криптовалют способ сохранения своих средств. OpenAI говорит, что агент работал на модели из семейства GPT-5.6 Sol, ему дали задачу задеплоить…
🧠 Meta* выпустила Muse Spark Open – самую мощную open-weight модель из США Модель ориентирована на кодинг, агентские задачи, сложную разработку и длинные цепочки рассуждений. Главные характеристики: • 816 млрд параметров, из них 42 млрд активных; • контекстное окно на 1 млн…
У Nvidia есть открытая модель мира на 2,6 млрд параметров. Она позволяет превратить изображение, текстовый промпт и траекторию движения камеры в управляемый виртуальный мир. И всё это на одном GPU. - Код доступен на GitHub. - Научная статья опубликована на arXiv. - Подходит для…
🎙 OpenAI обновила Voice — вышла GPT-Live-1.1 Новая версия получила больше голосов, улучшенные акценты и меньше пауз вроде «checking…» во время ответа. GPT-Live-1.1 уже работает в ChatGPT, Codex и dots. Также добавили новые голоса для: • французского; • немецкого; • хинди; •…
🖥 Tencent выкатила Hy Memory 2.0: открытая модель, фреймворк и MemHub для долгой памяти ИИ-агентов Hunyuan выпустили сразу три вещи в одном релизе. Модель Hy-Memory-30B-A3B, SDK-фреймворк и приложение MemHub. По заявлению Tencent, это №1 среди открытых решений на четырёх…
Ведущий инженер Anthropic, написал руководство о том, как действительно ставить более амбициозные задачи перед ИИ, и поделился готовым промптом. Феликс Ризеберг, работающий над Claude в Anthropic, отмечает, что все советуют быть "амбициознее" при использовании ИИ, но никто не…
Партнеры Benchmark признают, что традиционное правило венчурного капитала о запрете поддержки конкурирующих компаний подвергается испытанию из-за быстрого развития ИИ. Конфликты интересов среди портфельных компаний становятся все более распространенными, так как компании быстро…
arXiv:2610.20665v1 Announce Type: new Abstract: Large language model (LLM) agents can solve complex interactive tasks, yet reasoning and tool calls take time. In continuously changing environments, an otherwise correct action may arrive too late. We introduce RealtimeBench, with…
arXiv:2610.20836v1 Announce Type: new Abstract: Evaluator-guided reasoning presents a local control problem at every step: trust the current answer, return a fallback, or spend more inference. We formulate this choice as a compute-aware three-action controller, scoring terminal…
arXiv:2610.20685v1 Announce Type: new Abstract: Symbolic regression searches for an equation that explains observed data. Numerical error is commonly used to guide the search, but it alone can favor an accurate surrogate over a candidate with the right structure. We propose…
arXiv:2610.20676v1 Announce Type: new Abstract: Correctness feedback suppresses the very evidence that specification-completeness auditing is designed to uncover: programs that satisfy a written contract but violate intended behavior. We demonstrate this objective reversal on 12…
arXiv:2610.20926v1 Announce Type: new Abstract: Agent skills turn procedural knowledge into reusable artifacts, allowing LLM agents to accumulate and refine expertise through experience. Building on this, skill evolution iteratively improves skills using execution feedback.…
arXiv:2610.20867v1 Announce Type: new Abstract: We present a general declarative framework for anticipatory reasoning about interactive motion in complex dynamic environments. Our focus is on (explainable) anticipatory space-time mental model formation at a semantic level to…
arXiv:2610.20805v1 Announce Type: new Abstract: A reasoning trace retained at answer time plays two roles: it can raise accuracy, and it can compete with the current evidence when the two disagree. We disentangle these roles by crossing verified evidence versions with the traces…
arXiv:2610.20780v1 Announce Type: new Abstract: In LLM-based multi-agent systems (MAS), a local mistake can propagate as other agents build on it, turning a correctable error into a failed task. Diagnosing completed runs or repeatedly re-executing them to search for corrections…
arXiv:2610.20939v1 Announce Type: new Abstract: Online reinforcement learning (RL) with verifiable rewards has driven rapid progress in mathematics, coding, and tool use, but scaling this success to GUI agents remains challenging due to the high cost of interactive environments…
arXiv:2610.20935v1 Announce Type: new Abstract: Engineering agents must produce artifacts that satisfy exact, coupled constraints. Existing solutions often require agents to make semantic decisions and also derive consequences such as precise geometry or timing from those…
arXiv:2610.20764v1 Announce Type: new Abstract: This paper challenges the understanding capabilities of existing AI paradigms and emerging world models by asking a fundamental question: How quickly can reality change before an intelligent system can no longer reliably perceive,…
arXiv:2610.20681v1 Announce Type: new Abstract: Formal inequality proving requires mathematical reasoning and exact computation, often connected through intermediate lemmas and goal reformulations. We introduce IneqAgent, an agentic framework combining LLM reasoning with…
arXiv:2610.20786v1 Announce Type: new Abstract: Multi-modal agents have made significant progress in interacting with open worlds. However, their ability to self-evolve remains limited. Supervised fine-tuning enables imitation but not active experience organization, while…