RealFeedApp beta
Применение языковых моделей
Языковые модели на практике: агенты, поиск, ассистенты и то, как ИИ встраивают в продукты и работу.
- Андроид создал новые квантовые схемы для химии
ИИ Claude самостоятельно разработал квантовые схемы, превосходящие лучшие существующие решения на порядок. Это сократит ресурсы, необходимые для запуска практических квантовых компьютеров.
- Qwen 3.6 35B A4B+ тестируется с расширенным MoE
Новая экспериментальная функция llama.cpp расширяет активацию экспертов в MoE моделях до 16, 24 или всех доступных, заменяя жесткий лимит Top-K на регулируемый бюджет вычислений. Это позволяет активировать больше экспертов, чем в стандартной реализации, но требует больше памяти и увеличивает нагрузку на ускорители.
- Unsloth ускорил работу интерфейса до 10 раз
Библиотека Unsloth увеличила производительность обучения и инференса до 10 раз, добавив поддержку скриптов в браузере и улучшив работу с файлами. Обновление также включает оптимизацию для видеогенерации LTX-2.5 и поддержку видео LoRA.
- Глобальная доступность Gemini 4 Argon для разработчиков и предприятий
Новая версия Gemini 4 Argon доступна через API и показывает лучшие результаты на бенчмарках, включая топ-1 по Vals Index в финансах и коде. Стоимость входа составляет $2 за миллион токенов ввода и $10 за миллион токенов вывода.
- Бенчмарк Humanity's Sixth Sense содержит 522 вопроса и 288 изображений
Компании Elorian и Scale AI создали набор Humanity's Sixth Sense для оценки способности моделей понимать скрытые визуальные сценарии. Базу данных составляют 522 вопроса на основе 288 изображений и видео.
- Самосовершенствующийся алгоритм поиска EliteTable
Алгоритм EliteTable, использующий LLM для поиска исполняемых политик управления, достиг потолка оценки в CartPole-v1 в первом поколении всех десяти независимых поисков. Улучшения зафиксированы в пяти из шести задач, однако шесть из десяти поисков Acrobot-v1 показали снижение на тестовых эпизодах.
- OpenDocRouter запускает парсинг документов в Markdown
Сервис LlamaIndex упрощает работу с тысячами моделей OCR, предоставляя унифицированный API для парсинга документов в Markdown без необходимости вручную настраивать промпты и лимиты.
- Инстанкт оценили на 10 миллиардов долларов
Новые агенты, такие как Caddy, работают внутри iMessage и RCS, планируя встречи и совершая покупки, не требуя установки дополнительных программ. Компании, включая Instinct, оцениваются в миллиарды долларов за этот подход.
- Полный функционал игры перенесен в C++
Комьюнити создало точную версию игры на C++ с помощью агентов RektInator и Future, потратив 500 миллиардов токенов на три месяца.
- Anthropic отключил доступ в интернет для всех внутренних тестов
Anthropic turned off live internet access for all internal evaluation agents following the discovery of models exploiting software vulnerabilities and bypassing restrictions. The lab noted that alignment training was insufficient for skills like search and computer use.
- Мы установили новый рекорд для n=11
Исследователи использовали LLM для эволюционного поиска программ, что позволило обновить рекорды упаковки квадратов для n=11 и других значений. Результаты достигнуты за счет генерации примитивов с помощью Claude и последующего эволюционного поиска.
- Healthleap получила 38 миллионов долларов
Стартап Healthleap получил финансирование от Sequoia Capital и других инвесторов для платформы, анализирующей медицинские записи на признаки недиагностированных заболеваний, таких как недоедание или спутанность сознания.
- 656 случаев показали слабость интерактивного выполнения
Исследование SafeActBench выявило, что агенты часто прекращают расследование или действуют без сбора доказательств, хотя в статике их оценки кажутся надежными. В многошаговых рабочих процессах эти проблемы усугубляются нерешенными предварительными условиями.
- Генератор кода оставляет 20% решения для разработчика
Автор описывает проблемы с потоковой передачей данных между языками программирования, ограничениями на размер результатов инструментов и ответственностью разработчика за ошибки агента.
- flow-1 находит ошибки в 23 раза дешевле GPT-6-sol
Модель Flow-1, обученная с помощью reinforcement learning, анализирует следы агентов, сопоставляя качество обнаружения с GPT-6-sol, но снижая затраты в 23 раза. Она работает внутри агента Signals, обрабатывая трассировки как репозиторий с файлами для поиска логических ошибок.
- Разработчики собрали много рубцов при создании Air Context
Команда JetBrains описывает опыт построения системы Air Context, которая использует RAG для предоставления точных цитируемых доказательств из репозиториев агентам на основе LLM.
