Лента

84 материалов

Сортировка
Новости16 ноября 2026

Ограниченный ремонт тактик в Lean 4 с опорой на диагностику компилятора

Предлагается пошаговый модуль, который не отбрасывает отклонённую тактику, а до R раз поручает модели-корректору исправить её с учётом ошибки Lean; при K кандидатах это повышает долю решённых задач. Опыты на LeanDojo и Lean Workbook показывают прирост в основном за счёт неглубоких сбоев исполнения, ценой увеличения времени поиска.

Ограниченный ремонт тактик в Lean 4 с опорой на диагностику компилятора
Читать
Новости16 ноября 2026

Метод Genesis Steering: активационное управление на данных, использованных при дообучении

Метод выводит вектор управления из контрастных примеров, присутствовавших в данных дообучения, а при их недоступности отбирает вероятные обучающие образцы через membership inference и формирует прокси-набор. Теоретическая часть описывает оптимальное смещение к границе решения и оценку по прокси-данным; эмпирически внутренние данные Tülu-3-8B дают более выраженный эффект, чем внешние наборы, тогда как полезность MIA-прокси на Llama-3.1-8B-Instruct ограничена соотношением сдвигов направления.

Метод Genesis Steering: активационное управление на данных, использованных при дообучении
Читать
Новости15 ноября 2026

Локальный поиск ковариатных сдвигов для профилей с ненадёжными прогнозами

Статья описывает диагностический конвейер, который сначала выделяет интерпретируемые группы пациентов с пониженной уверенностью модели, а затем проверяет внутри этих групп наличие вредного ковариатного сдвига. В экспериментах на MIMIC-IV с тремя клиническими задачами и тремя искусственными подгрупповыми сдвигами подход помог локализовать возрастной сдвиг, слабо заметный при агрегированной оценке.

Локальный поиск ковариатных сдвигов для профилей с ненадёжными прогнозами
Читать
Аналитика15 ноября 2026

Агенты ИИ и корпоративный софт: пересмотр контуров доступа и надзора в 2026 году

В материале рассматривается, как автономные ИИ-агенты встраиваются в корпоративные ИТ- и ИБ-процессы и почему это требует перестройки прав доступа, проверки идентичности и политик контроля. Читатель получит сдержанную картину инструментов и практик, формирующих управление рисками таких систем в 2026 году.

Агенты ИИ и корпоративный софт: пересмотр контуров доступа и надзора в 2026 году
Читать
Исследования13 ноября 2026

Устойчивость детекторов к перефразированному машинному тексту: что выявили испытания

В материале собраны результаты проверок инструментов, которые переписывают сгенерированные фрагменты под более естественный стиль. После такой обработки обнаруживаемость заметно снижается, а сохраняющиеся ложные срабатывания не позволяют считать вердикт детектора доказательством.

Устойчивость детекторов к перефразированному машинному тексту: что выявили испытания
Читать
Новости12 ноября 2026

COPEX помогает отделить уязвимость модели от слабых мест инфраструктуры MCP

Контролируемый бенчмарк фиксирует агентную обвязку и оценивает только выбор инструментов языковой моделью в 125 сценариях атак через четыре канала MCP. В 3 375 испытаниях на девяти моделях средняя доля успешных атак составила 64,4%, а совместная проверка входных данных и контекста снизила её почти вдвое.

COPEX помогает отделить уязвимость модели от слабых мест инфраструктуры MCP
Читать
Исследования12 ноября 2026

Вероятностная коррекция волновых прогнозов: BridgeCast связывает физические модели с реанализом через потоковое сопоставление

Представлен гибридный метод, который с помощью условного потокового сопоставления, трансформерной архитектуры и экзогенных атмосферных признаков преобразует выходы физических моделей волнения в поля, близкие к реанализу. Авторы сообщают о стабильном преимуществе над прежними передовыми базовыми решениями при различных сроках заблаговременности и в разных регионах.

Вероятностная коррекция волновых прогнозов: BridgeCast связывает физические модели с реанализом через потоковое сопоставление
Читать
Исследования11 ноября 2026

Поэтапная диагностика GUI-агентов при анализе дашбордов: бенчмарк DashAct

Представлен DashAct — бенчмарк из 348 проверенных человеком траекторий, который разбирает работу GUI-агентов с интерактивными панелями на три этапа и четыре визуальных условия. Результаты показывают устойчивые проблемы с предсказанием действий и привязкой к визуальным целям, а также зависимость реакции агентов от контекстной и пространственной поддержки.

Поэтапная диагностика GUI-агентов при анализе дашбордов: бенчмарк DashAct
Читать
Новости10 ноября 2026

Канонические полиномиальные инварианты в диагностике сбоев RL-симуляторов: где они действительно полезны

Работа проверяет, оправдано ли включение физических законов в обучаемые модели динамики: инварианты, извлечённые из траекторий и приведённые к каноническому виду через базисы Грёбнера, дают скромный выигрыш в прогнозах, но оказываются сильны в диагностике — они позволяют локализовать нарушенное ограничение и выявить конкретный ошибочный параметр.

Канонические полиномиальные инварианты в диагностике сбоев RL-симуляторов: где они действительно полезны
Читать