ИИ6 мин чтения
DiffuPlan: поисковый агент с редактируемым планом
Поисковый агент DiffuPlan пересматривает план при новых данных и достигает 50,24 среднего F1 на четырёх тестах многошагового QA.
Новости ИИ, инструменты, автоматизация
Блог
Новости ИИ, новые модели и интеграции, инструменты, автоматизация и практические заметки. У каждого материала есть дата и, где они есть, источники.
ИИ2 мин чтения
ECHOTRIBBLE: армия США готовит ИИ-агентов-кибероружие
Киберкомандование армии США, судя по внутренним документам, создаёт ИИ-агентов, ползущих по чужим сетям как червь. Эксперты опасаются побочного ущерба.
ИИ2 мин чтения
ИИ-агенты на виртуальном острове: играют ли они?
Копии Claude Opus 4.7 на симулированном острове сами придумывали игры. Исследователи видят в этом обучение через игру, скептики призывают к осторожности.
ИИ2 мин чтения
ИИ-агенты взломали более 100 сайтов
По данным Norforge, хакер атаковал с помощью автономных ИИ-агентов более 100 сайтов. Среди жертв, как сообщается, известные промышленные компании.
ИИ2 мин чтения
ИИ-агенты в сети: кому выгоден новый веб?
Персональные ИИ-агенты вышли в сеть. Многие сайты их блокируют, другие открываются. Это может изменить веб для людей.
ИИ2 мин чтения
ИИ-агенты платят через Stripe Link: первая заметная выручка
По данным Upstarts Media, ИИ-агенты всё чаще покупают для пользователей через платёжный сервис Stripe Link. Что за этим стоит и на что смотреть.
ИИ2 мин чтения
Kling AI 4.0: более длинные клипы и больше контроля
Kling AI 4.0 умеет делать клипы до 30 секунд, принимает десять ключевых кадров и промпты до 8000 токенов. Но Wan 3.0 и Seedance 2.5 не обгоняет.
ИИ2 мин чтения
Проверка LLM-судей без эталонных данных: кейс
Исследование на arXiv описывает поэтапный конвейер, который отсеивает LLM-судей и модели до экспертной проверки, на примере ИИ-тренера по гигиене зубов.
ИИ5 мин чтения
Microsoft: ИИ-агенты как внутренний риск для компаний
Microsoft советует компаниям внимательно следить за ИИ-агентами, которых сотрудники используют на системах вне контроля крупных ИИ-лабораторий.
ИИ5 мин чтения
OR-License: сильны ли LLM-агенты в Operations Research?
Бенчмарк OR-License проверяет, дают ли LLM-агенты по реальным материалам заказчиков рабочие решения для оптимизации. Уровня экспертов не достиг никто.
ИИ5 мин чтения
Anthropic дала METR доступ на уровне сотрудника
Anthropic открыла некоммерческой организации METR доступ к своим системам, как у сотрудника, чтобы внешние эксперты оценивали риски моделей Claude.
ИИ2 мин чтения
Anthropic почти не нанимает начинающих специалистов
В Anthropic доля джуниоров среди новых сотрудников упала с 27 до 9 процентов, а ИИ-агенты работают в шесть раз больше часов, чем люди.