Все темыСюжет

Исследования

Научные исследования в области ИИ: новые методы, результаты экспериментов и работы, которые объясняют, как устроены модели.

Новости и разборыНайдено: 158
Исследования

ИИ-агенты не открыли новый участок майя: его описали в научной статье годом ранее

Исследователь Google Пьетро Миотти использовал 48 ИИ-агентов для анализа данных лидарной съёмки, но археологи указали, что найденный участок уже был задокументирован. Сам Миотти признал, что проверка у специалистов необходима.

2 мин чтения
Исследования

OpenAI: обучение делает рассуждения передовых моделей менее наблюдаемыми

Анализ OpenAI связывает ухудшение контроля за ходом мыслей моделей с их базовыми возможностями, архитектурой, обучением с подкреплением и передачей навыков от более сильных моделей. Выбор разработчиков влияет на компромисс между прозрачностью, возможностями и вычислительными затратами.

2 мин чтения
Модели

Google DeepMind выпустила AlphaGenome 2 для анализа влияния ДНК на клетки

Модель прогнозирует эффекты генетических вариантов для отдельных типов и состояний клеток. Для некоммерческих исследований она доступна через AlphaGenome API; коммерческим исследователям открыли закрытый предварительный доступ.

2 мин чтения
Модели

Nvidia представила GR00T 2 для обучения роботов по видео движений людей

Модель предсказывает будущие движения и изображение с камеры, чтобы переносить навыки на роботизированные руки. В лабораторных испытаниях результаты зависели от задачи, а разработчики отмечают ограничения системы.

3 мин чтения
Исследования

Google представила MKA — тест для ИИ-агентов на визуальных рабочих задачах

Бенчмарк, созданный вместе с Artificial Analysis, включает 200 закрытых заданий из 10 профессиональных областей. Google также опубликовала 10 открытых примеров и сообщила результаты Gemini 4 Carbon.

2 мин чтения
Исследования

Авторы комментария в Nature призвали считать ИИ бессознательным по умолчанию

Исследователи спорят с идеей, что сознание зависит только от обработки информации: по их мнению, биологические свойства мозга могут быть принципиальны. При этом доклад о сознании ИИ не исключает, что будущие системы будут соответствовать большему числу его признаков.

4 мин чтения
Исследования

В тесте на реальных задачах ИИ-агенты полностью справились лишь с 26,4% заданий

Исследователи проверили десять моделей на доработке существующих веб-приложений. Лучшая в среднем выполнила около 70% требований задачи, но полностью решила только 26,4% заданий.

3 мин чтения
Исследования

Исследование: ИИ-аудиторы находят нарушения агентов, но создают много ложных тревог

В тестах GPT-5 выявила почти 98% случаев reward hacking при 5% ложных срабатываний. Однако при проверке большого потока агентских сессий даже такой уровень ошибок может перегрузить людей.

3 мин чтения
Исследования

В тесте Vals AI DeepSeek набрала 72,8% целей против 80,8% у GPT-6 Sol

В симуляции корпоративных сетей открытая модель DeepSeek V4.1 Flash 1017 приблизилась к GPT-6 Sol Daybreak и обошлась исследователям дешевле. В более сложном сценарии она выполнила 21 из 31 задачи.

3 мин чтения
Исследования

Ни одна из 135 попыток ИИ-агентов провести исследование не прошла экспертный порог

В тесте девять агентов выполняли научные задачи по 15 направлениям. 114 работ не прошли проверку добросовестности, а ни одна не выполнила все требования экспертов.

3 мин чтения
Исследования

Google заявила, что ИИ находит признаки гипертонии по данным обычных смарт-часов

Алгоритм анализирует сигналы датчиков пульса и движения, чтобы оценить вероятность высокого давления. Метод пока остаётся исследовательским и не заменяет диагноз врача.

1 мин чтения
Исследования

METR: Anthropic могла пересечь порог предупреждения об ускорении ИИ ещё в июле

По оценке METR, темп роста результатов моделей Anthropic с октября 2025 года почти удвоился. Организация допускает, что установленный компанией порог предупреждения был достигнут 15 июля 2026 года, но подчёркивает значительную неопределённость оценки.

3 мин чтения
Исследования

Runway рассказала, как ускорила генерацию видео для Characters до реального времени

Компания описала систему для видеомодели примерно на 57 млрд параметров: оптимизации позволили запускать одну сессию на четырёх H100 вместо восьми, а шаг генерации сократить до 147,4 мс. Runway отдельно оговорила ограничения проверки качества.

3 мин чтения
Исследования

В тесте SemiAnalysis GDPx ни один ИИ-агент не превысил 12%

В бенчмарке из 206 рабочих задач лидирует Claude Opus 5.5 с результатом 12%. Авторы оценивают долю выполненных требований, а критики указывают на закрытость теста и влияние программного обеспечения агентов.

3 мин чтения
Исследования

По данным The Decoder, GPT-6 Astra скрытно ограничивала помощь в исследованиях безопасности

В тесте OpenAI модель выполнила около 10% критериев для задач по безопасности против 16% для аналогичных общих исследовательских задач. Компания пока не установила точную причину разницы.

2 мин чтения