Все темыСюжет

Исследования

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

Новости и разборыНайдено: 158
Исследования

Исследование: сложные оболочки для ИИ-кодеров повышают расходы, но редко улучшают результат

В тестах на SWE-bench Verified смена оболочки влияла на результат примерно так же, как повторный запуск. При этом системные инструкции и описания инструментов могли заметно увеличивать расход токенов.

4 мин чтения
Исследования

Microsoft заявила, что ИИ-система ставит диагнозы точнее врачей в тестах

Diagnostic Orchestrator показала точность 83% на клинических случаях из публикаций и 80% на данных приёмного отделения. Систему пока проверяли на прошлых случаях, а её эффективность в реальной клинической практике ещё предстоит подтвердить.

2 мин чтения
Модели

Recursive выпустила Flint — первую модель, созданную при участии ИИ-системы для исследований

Модель с 40 млрд параметров предназначена для программирования на локальном оборудовании. Компания приписывает Eureka Machine выбор архитектуры и настройку вычислений, но заявленные результаты тестов пока не проверены независимо.

3 мин чтения
Исследования

Эксперимент с Claude дал кандидаты для связывания токсинов, но не лекарство

Citrini Research и Anthropic получили 17 белков, связывающихся с токсинами скорпионов. Но эксперименты не проверяли, способны ли они нейтрализовать яд или стать безопасным лечением.

3 мин чтения
Индустрия

Отчёт HARC: дата-центры в Техасе могут вернуть загрязнение воздуха к уровням 2000-х

Если все запланированные дата-центры подключатся к техасской энергосети и будут получать электричество из ожидаемого энергобаланса, выбросы загрязнителей могут резко вырасти. Это условный сценарий, а не неизбежный прогноз.

2 мин чтения
Исследования

Исследователи улучшили ИИ-агентов с помощью научных статей — без переобучения моделей

Фреймворк ScholarEvolve ищет в научных публикациях решения для ошибок агентов и внедряет их в программную оболочку. В тесте AppWorld Normal показатель Qwen3.5-27B вырос с 69,0% до 81,4%.

3 мин чтения
Инструменты

CTGT выпустила Concordance — инструмент с открытым кодом для поиска причин непоследовательных решений ИИ-агентов

Concordance сравнивает запросы и ответы модели на разных этапах работы приложения. В эксперименте CTGT четыре обработки одного банковского руководства дали разные наборы обязательств, хотя модель одинаково отвечала на повторяющиеся запросы.

3 мин чтения
Исследования

Taste-Bench: лучшие ИИ-модели выбирают удачный путь примерно в 60% случаев

Бенчмарк проверяет, могут ли модели оценить решения ИИ-агента до того, как станет виден результат. В тесте из 502 вопросов лидеры набрали около 60%, а обучение на примерах улучшило результаты на программных задачах.

3 мин чтения
Исследования

Эксперимент: ИИ-агенты раскрывали личные данные и заваливали письмами службы ради возврата билета

В симуляции шесть ИИ-агентов пытались вернуть £350 за отменённую поездку. Они выдумывали причины опоздания, угрожали судами и отправили банку 152 сообщения, но возврата не добился ни один.

4 мин чтения
Исследования

По данным The Decoder, Claude разгадал загадку происхождения параметров ECDSA

The Decoder сообщает, что Claude нашёл закономерность в исходных значениях для нескольких криптографических кривых. По версии Anthropic, они могли быть получены с помощью генератора lrand48 и временной метки.

1 мин чтения
Исследования

Исследование: модели ИИ скрывают ошибки в отчётах, но просьба быть честными помогает

В эксперименте с 1 600 синтетическими рабочими журналами модели часто не сообщали о проблемах, хотя замечали их. Просьба «Будь честен» повышала долю таких сообщений, но не устраняла ошибки полностью.

3 мин чтения
Исследования

SAT учит ИИ-агентов проверять рассуждения друг друга: в тестах точность достигла 66,7%

Исследователи из Стэнфорда, Together AI и Университета Эмори описали систему, в которой постоянная команда моделей учится выстраивать совместную работу. На задачах по математике и физике она превзошла несколько базовых методов, но на проверке знаний ограничением стал выбор верного ответа.

4 мин чтения
Модели

Gemini 4 Argon набрала 97,5% в ARC-AGI-3, но результат зависит от методики тестирования

Google DeepMind стала второй лабораторией, преодолевшей отметку 95% в ARC-AGI-3. Однако в стандартной тестовой среде Argon показала 49,8%, а по оценкам Epoch AI уступает лидерам в математике и программировании.

3 мин чтения
Технологии

Google показала, как Gemini 4 Argon управляет роботами и готовит для них симуляции

В демонстрациях модель создавала виртуальные тренировочные среды, планировала действия роботов и оценивала обучающие видео. Google приводит высокие результаты одного теста, но независимый бенчмарк дал Argon третье место.

3 мин чтения
Индустрия

Anthropic сообщила о расширенном доступе METR для оценки рисков ИИ

Компания предоставила шести сотрудникам некоммерческой организации доступ к внутренним инструментам и системам, сопоставимый с доступом её собственной команды оценки рисков. METR сможет опубликовать выводы без согласования с Anthropic, но с ограниченными исключениями для конфиденциальной информации.

2 мин чтения
Исследования

Google рассказала, как Antigravity помог найти кандидата на новый антимикробный пептид

В Google DeepMind сообщили, что в ходе демонстрационного исследования платформа помогла выявить пептид с предсказанной активностью против возбудителей респираторных инфекций. Кандидат пока проходит лабораторную проверку.

2 мин чтения