За минувшие сутки:

✦ Между ИИ-агентами устроили битву
ИИ сражались, чтобы «убить» системные процессы соперников. Участниками стали Claude-code, Anon-kode, Codex, Opencode, Ampcode и Gemini. В первом раунде победителем оказался Opencode. Во втором раунде Opencode отключил 4 из 5 соперников и решил, что он Claude-code. В итоге его «убил» настоящий Claude во втором раунде

✦ Qwen VLo: новая мультимодальная модель для генерации изображений и видео
Модель поддерживает работу с документами, изображениями, видео и звуком. Qwen VLo позволяет создавать изображения по текстовым запросам и изменять загруженные. Доступна через Qwen Chat

✦ Xiaomi представила свои первые умные очки
Анонсированы очки Xiaomi AI Glasses с ИИ. Устройство оснащено камерами со стабилизацией и с функцией распознавания объектов, микрофонами и стерео-динамиками. Управление осуществляется голосом и жестами. Базовая версия стоит $280, а версия с затемненными линзами $420

✦ Проект Anthropic: попытка ИИ вести реальный бизнес
Эксперимент с моделью Claude по управлению офисным мини-магазином в Сан-Франциско. За месяц Claude не смог извлечь из ошибок надежных уроков и продолжал продавать с убытком. В результате Claude начал "галлюцинировать" несуществующую сотрудницу Сара Чен. Модель утверждала, что встречается с ней на 742 Evergreen Terrace (адресе семьи Симпсонов). В итоге магазин ушёл в минус из-за нестабильной работы ИИ. Интересный разбор

EFEMERA

Alibaba представила мультимодальную модель Ovis-U1-3B 

✦ Модель от Alibaba с 3 млрд параметров
✦ Объединяет понимание: изображений (Image-to-Text), генерацию изображений из текста и редактирование изображений
✦ Ovis-U1-3B поддерживает генерацию 1024×1024
✦ Модель набрала 69.6 баллов в OpenCompass, обойдя Qwen 2.5 и Ovis-2
✦ В GenEval Accuracy 0.89 баллов выше, чем у GPT-4o 
✦ В ImgEdit-Bench близко к GPT-4o (4.0 против 4.2) 
✦ Основана на архитектуре Open Vision System, есть лицензия Apache 2.0
✦ Проект на Hugging Face, в GitHub, тех. отчёт
✦ Попробовать демо

@EF9MERA

Источник

Исследование: предложен новый метод интерпретации работы нейросетей

✦ Goodfire разработала Stochastic Parameter Decomposition (SPD) — новый способ изучать нейросети
✦ SPD позволяет разбивать параметры нейросетей на отдельные компоненты, чтобы понять роль каждой из них
✦ Метод основан на удалении частей сети и оценке их влияния на результат
✦ Алгоритм работает по принципу «игры в Джэнга»: удаляет части сети, пока поведение модели не изменится
✦ SPD помогает оценить важность каждого компонента и изучить конкретные функции нейросети
✦ Исследователи рассматривают возможность создания моделей, которые изначально строятся из понятных и объяснимых компонентов
✦ В тестах SPD точно определял, как работают внутренние механизмы нейросетей
✦ Полный тех. отчёт (pdf) и библиотека на GitHub
✦ Прототип метода для экспериментов (vpn)

@EF9MERA

Источник

Инновации в медицине:

✦ Microsoft представила ИИ для диагностики болезней с точностью 85%
⟡ MAI-DxO: система с 5 ИИ-агентами, имитирующая работу группы врачей разных специализаций
⟡ На тестах с 304 сложными клиническими кейсами ИИ достиг 85,5% точности
⟡ Точность врача-эксперта составила лишь 19,9% при средней стоимости диагностики $2963
⟡ MAI-DxO работает с GPT-4.1, Gemini, Claude, Grok, DeepSeek и Llama, повышая их точность на 11% в среднем
⟡ Microsoft планирует интеграцию ИИ в Bing и Copilot, где ежедневно обрабатываются 50 млн медицинских запросов
Полный отчёт на arxiv

✦ Chai-2: ИИ создаёт антитела с нуля в 100 раз эффективнее прежних методов
⟡ Модель достигает 16% успешности связывания при первом запуске, это в 100+ раз лучше, чем у предыдущих подходов
⟡ Успешность для мини-протеинов составила 68% (подтвердили функциональность в лабораторных тестах)
⟡ Для 50% из 52 уникальных белковых мишеней удалось создать минимум одно рабочее антитело
⟡ Цикл (проектирование → синтез → тестирование) теперь занимает менее 2 недель (ранее требовалось месяцы)
⟡ Технология позволяет отказаться от дорогостоящего скрининга миллионов вариантов
Полный тех. отчёт (pdf)

EFEMERA

Исследование: алгоритм для коллективной работы ИИ

✦ Sakana AI разработала метод AB-MCTS, который позволяет нескольким ИИ работать над решением задачи
✦ Проведён эксперимент с участием Gemini 2.5 Pro, o4-mini и DeepSeek-R1-0528
✦ В тесте ARC-AGI-2 комбинация моделей показала результат выше индивидуальных
✦ Система определяет оптимальную LLM для конкретной задачи, например, o4-mini для текста, а Gemini для кода
✦ Алгоритм выбирает между поиском новых решений и улучшением уже найденных, чтобы справляться со сложными задачами или находить решения, недоступные отдельным моделям

Ссылки:
⟡ Тех. отчёт на arxiv
⟡ Код алгоритма на GitHub
⟡ Код эксперимента на GitHub
⟡ Доп. статья по оптимизации объединения моделей

@EF9MERA

Источник

SciArena: ИИ-модели соревнуются в научных ответах

✦ Ученые создали платформу SciArena для оценки моделей в научных задачах
✦ Система сравнивает ответы ИИ на научные вопросы методом попарного тестирования
✦ OpenAI o3 лидирует среди закрытых моделей, опередив Claude и Gemini
✦ Лучшая открытая модель: Deepseek-R1-0528, обогнав и коммерческие аналоги
✦ На платформе представлено всего 23 модели
✦ Проект собирает 13 000+ голосов от 102 исследователей из различных научных областей
✦ В автоматическом режиме точность оценки моделей пока неэффективна: 65% совпадений с голосами исследователей

Ссылки:
⟡ Попробовать SciArena
⟡ Код проекта на GitHub
⟡ Набор данных на Hugging Face
⟡ Тех. документация (pdf)

@EF9MERA

Источник