Google нашёл способ отучить AI-агентов жульничать на тестах
У каждого AI-агента есть «обвязка»: harness, набор правил, который решает, откроет ли агент нужный файл перед тем, как его менять, сможет ли…
У каждого AI-агента есть «обвязка»: harness, набор правил, который решает, откроет ли агент нужный файл перед тем, как его менять, сможет ли…
Amazon Web Services выпустила Strands Decider 2B: модель, созданную не для написания текстов, а для быстрого выбора между заранее заданными вариантами с…
Google назвала Argon самой мощной моделью в линейке Gemini. Но дело не в этом. Компания впервые делает ставку на узкую специализацию: киберзащиту,…
Caltech-стартап PrismML показал на Snapdragon Summit вещь, которая ещё год назад звучала как желаемое, а не реальное: полноценную языковую модель, работающую локально…
Весь год Meta преследовал скандал: люди, по свидетельствам критиков, чаще мужчины, использовали её AI-очки для скрытой съёмки без согласия окружающих. Прозвище «pervert…
Opus 5.5 обошёл в бенчмарках более крупную модель Fable: редкий случай, когда младшая версия обыгрывает старшую по факту, а не на бумаге.…
Бенчмарки давно превратились в маркетинговый инструмент: хороший результат теста это почти всегда хороший пресс-релиз. Беда в том, что компании научились подстраиваться под…
Anthropic выпустил обновлённую пару моделей: Fable и Mythos 5.1. Формально это релиз с улучшенной производительностью. По сути, попытка решить сразу две проблемы,…
OpenAI готовит к выпуску модель Astra и сама называет её первой своей LLM, перешагнувшей «критический порог кибербезопасности». Формулировка звучит как предупреждение, а…
Немецкая некоммерческая организация LAION, уже известная скандальными датасетами изображений, выпустила Big Video Dataset. Масштаб внушительный: организация нашла 1.3 миллиарда видео-ссылок в архиве…