⚡️ Claude получила возможность веб-поиска.

Anthropic объявила о запуске новой функции веб-поиска для Claude. Теперь ИИ способен анализировать актуальные данные из интернета, предоставляя ответы с прямыми ссылками на источники. Это позволяет не только повысить достоверность информации, но и упростить проверку фактов.

Поиск доступен в режиме Preview для платных подписчиков в США, но в ближайшие месяцы ожидается глобальное расширение. Для активации ye;yj включить опцию в настройках профиля и начать диалог с Claude 3.7 Sonnet — система сама определит, когда требуется обращение к веб-источникам
anthropic.com

✔️ Hugging Face запустил приложение HuggingSnap: оффлайн-ИИ для анализа окружения через камеру iPhone.

Hugging Face представила приложение HuggingSnap для iOS, использующее локальную Smolvlm2 для анализа изображений в реальном времени без подключения к сервису. В отличие от облачных аналогов, HuggingSnap обрабатывает данные исключительно на устройстве, экономя заряд устройства и гарантируя конфиденциальность. Пользователи могут получать описания объектов, сцен, текстов и сложных визуальных контекстов.

Для работы требуется iOS 18, но приложение также совместимо с macOS и Apple Vision Pro. По словам разработчиков, HuggingSnap-это пример, как локальный ИИ может стать повседневным инструментом.
techcrunch.com

✔️ Google добавит Gemini AI в Chrome, повторяя опыт Copilot для Windows 11

Google активно тестирует интеграцию ИИ-ассистента Gemini в браузер Chrome, стремясь вывести его за рамки веб-сайта. Как выяснили исследователи, функционал разместят в верхней части окна — рядом с кнопками управления. В настройках появится возможность назначить горячие клавиши или активировать ассистент через меню. При запуске Gemini будет открываться в отдельном плавающем окне. Кроме того, Google планирует вынести иконку ассистента в системный трей — запускать его можно будет прямо с панели задач, хотя для работы потребуется активный Chrome.

Пока функция доступна лишь в экспериментальных сборках, а ее стабильность оставляет желать лучшего. Ясно одно - Google намерен конкурировать с Microsoft, предлагая свой подход к интеграции ИИ в повседневные инструменты.
windowslatest

✔️ AudioX: универсальная модель генерации звука и музыки через кросс-модальные преобразования.

Moonshot AI совместно с Гонконгским университетом анонсировали AudioX — универсальную модель на базе Diffusion Transformer, способную генерировать высококачественное аудио и музыку из текста, видео, изображений или их комбинаций. Главная инновация — стратегия маскирования входных данных, которая усиливает обучение кросс-модальных представлений.

Возможности AudioX: генерация любых звуков на основе текста, видео и их комбинаций (текстовый промпт к видео), восстановление "потерянной" части аудио, генерация музыки на основе текста, видео и их комбинации и "аутпейнт" существующего аудио.

Тесты AudioX: лучшая в 15+ задачах, включая генерацию звука по видео (VGGSound) и создание музыки по тексту (MusicCaps). На FAD и KL-дивергенции модель показала улучшение на 12–35% против Tango 2 и AudioLDM.
Веса и код - coming soon.
zeyuet.github

✔️ Microsoft Research разработал Claimify: инструмент фактчекинга ИИ

Microsoft Research представил Claimify — систему, которая решает проблему недостоверных ответов ИИ, извлекая из текстов только верифицируемые утверждения. Метод основан принципах: исключение субъективных суждений, сохранение критического контекста, устранение двусмысленностей, самостоятельность утверждений и др. Результаты тестов показывают, что 99% утверждений, извлечённых Claimify, полностью соответствуют исходному контексту.
microsoft

✔️ RF-DETR: новая SOTA для обнаружения объектов в реальном времени с открытым исходным кодом.
Это первая модель, работающая а реальном времени: 60+ mAP на COCO. SOTA на бенчмарке RF100-VLRF-DETR.
Github

✔️ Same New - нейросеть копирует любой сайт с точностью до пикселя — по одной ссылке воспроизводит весь интерфейс, структуру, анимации, изображения и даже интерактивные элементы.


@ai_machinelearning_big_data

#news #ai #ml

PiEEG kit - bioscience Lab in home for your Brain and Body

🖥 Github: https://github.com/pieeg-club/PiEEG_Kit

📕 Paper: https://arxiv.org/abs/2503.13482

🌟 Methods: https://paperswithcode.com/task/eeg-1

@ArtificialIntelligencedl

Optimal Stepsize for Diffusion Sampling(OSS)

🖥 Github: https://github.com/bebebe666/optimalsteps

📕 Paper: https://arxiv.org/abs/2503.21774v1

🌟 Tasks: https://paperswithcode.com/task/denoising

@ArtificialIntelligencedl

Harnessing the Reasoning Economy: A Survey of Efficient Reasoning for Large Language Models

🖥 Github: https://github.com/devoallen/awesome-reasoning-economy-papers

📕 Paper: https://arxiv.org/abs/2503.24377v1

@ArtificialIntelligencedl

Effect-driven interpretation: Functors for natural language composition

🖥 Github: https://github.com/UCSC-VLAA/MedReason

📕 Paper: https://arxiv.org/abs/2504.00993v1

🔗 Tasks: https://paperswithcode.com/task/knowledge-graphs

@ArtificialIntelligencedl

Crystal Generation with Space Group Informed Transformer

🖥 Github: https://github.com/deepmodeling/crystalformer

📕 Paper: https://arxiv.org/abs/2504.02367v1

🔗 Dataset: https://paperswithcode.com/dataset/alex-20

@ArtificialIntelligencedl

ZClip: Adaptive Spike Mitigation for LLM Pre-Training

🖥 Github: https://github.com/bluorion-com/ZClip

📕 Paper: https://arxiv.org/abs/2504.02507v1

🔗 Dataset: https://paperswithcode.com/dataset/hellaswag

@ArtificialIntelligencedl

REPA-E: Unlocking VAE for End-to-End Tuning of Latent Diffusion Transformers

🖥 Github: https://github.com/End2End-Diffusion/REPA-E

📕 Paper: https://arxiv.org/abs/2504.10483

🔗 Dataset: https://paperswithcode.com/dataset/imagenet

@ArtificialIntelligencedl

ReSpec: Relevance and Specificity Grounded Online Filtering for Learning on Video-Text Data Streams

🖥 Github: https://github.com/cdjkim/respec

📕 Paper: https://arxiv.org/abs/2504.14875v1

🔗 Dataset: https://paperswithcode.com/task/informativeness

@ArtificialIntelligencedl

UniVLA: Learning to Act Anywhere with Task-centric Latent Actions

🖥 Github: https://github.com/opendrivelab/univla

📕 Paper: https://arxiv.org/abs/2505.06111v1

🔗 Dataset: https://paperswithcode.com/dataset/room-to-room

@ArtificialIntelligencedl

QuXAI: Explainers for Hybrid Quantum Machine Learning Models

🖥 Github: https://github.com/GitsSaikat/QuXAI

📕 Paper: https://arxiv.org/abs/2505.10167v1

🔗 Dataset: https://paperswithcode.com/task/quantum-machine-learning

@ArtificialIntelligencedl

Deliberation on Priors: Trustworthy Reasoning of Large Language Models on Knowledge Graphs

🖥 Github: https://github.com/reml-group/deliberation-on-priors

📕 Paper: https://arxiv.org/abs/2505.15210v1

@ArtificialIntelligencedl

SpatialScore: Towards Unified Evaluation for Multimodal Spatial Understanding

🖥 Github: https://github.com/haoningwu3639/SpatialScore

📕 Paper: https://arxiv.org/abs/2505.17012v1

🔗 Tasks: https://paperswithcode.com/task/motion-estimation

@ArtificialIntelligencedl

EmergentTTS-Eval: Evaluating TTS Models on Complex Prosodic, Expressiveness, and Linguistic Challenges Using Model-as-a-Judge

🖥 Github: https://github.com/boson-ai/emergenttts-eval-public

📕 Paper: https://arxiv.org/abs/2505.23009v1

🔗 Tasks: https://paperswithcode.com/task/text-to-speech-1

@ArtificialIntelligencedl

Bagged Deep Image Prior for Recovering Images in the Presence of Speckle Noise

🖥 Github: https://github.com/Computational-Imaging-RU/Bagged-DIP-Speckle

📕 Paper: https://arxiv.org/abs/2505.23594v1


@ArtificialIntelligencedl

SWE-bench Goes Live

🖥 Github: https://github.com/microsoft/swe-bench-live

📕 Paper: https://arxiv.org/abs/2505.23419v1

🔗 Tasks: https://paperswithcode.com/dataset/humaneval

@ArtificialIntelligencedl

Exposure-slot: Exposure-centric representations learning with Slot-in-Slot Attention for Region-aware Exposure Correction (Official)

🖥 Github: https://github.com/kdhRick2222/Exposure-slot

📕 Paper: https://cvpr.thecvf.com/virtual/2025/poster/33508

🔗 Tasks: https://paperswithcode.com/dataset/exposure-errors

@ArtificialIntelligencedl

Vine Copulas as Differentiable Computational Graphs

🖥 Github: https://github.com/TY-Cheng/torchvinecopulib

📕 Paper: https://arxiv.org/abs/2506.13318v1

🔗 Tasks: https://paperswithcode.com/task/scheduling

@ArtificialIntelligencedl