420 материалов
Ведомство цифрового развития Индии запустило дополнительный набор ИИ- и ML-вендоров в действующую панель партнёров для программ Digital India. Новые участники будут работать на зафиксированных условиях предыдущего отбора, а заявки принимаются до 7 сентября.
Во вторник S&P 500 прибавил около 0,2%, Nasdaq — 0,5%, а Dow — 0,1%: лидером роста стали подешевевшие днем ранее акции чипмейкеров. Nvidia подорожала на 2,3% в преддверии квартального отчета, а слабые данные по доверию потребителей и продажам жилья не помешали позитивному настроению рынка.
Атакующие опубликовали в профиле Дженнер ссылки на мемкоин, после чего тот подскочил до рыночной оценки около $1,19 млн, а затем быстро потерял часть стоимости. На Solana тут же появились токены-имитаторы, использующие похожие названия и оформление.
Предложенный метод RARRL с помощью обучения с подкреплением учит робота адаптивно выбирать моменты для рассуждений, их формат и бюджет вычислений. Эксперименты на ALFRED показали рост успешности и устойчивости при меньшей задержке по сравнению с фиксированными стратегиями.
Новый подход позволяет LLM-агентам не только менять структуру коммуникации под задачу, но и перестраивать её по ходу диалога, накапливая опыт. На девяти бенчмарках ST-EVO показал прирост точности от 5 до 25% по сравнению с предыдущими методами.
Константин Марунченко, строивший корпоративные AI-пайплайны в Echelon, уверен: чтобы ИИ вышел за пределы экрана, нужны не узкие модели, а гибкие агенты, способные планировать и контролировать реальные процессы. Он призывает относиться к материи как к коду, который можно «редактировать», но предупреждает: цена ошибки здесь куда выше.
Исследователи предложили подход, объединяющий физически обоснованные ограничения и данные о реальном вождении: модель Transformer сначала предсказывает, как машины влияют друг на друга, а затем планировщик строит человекоподобные манёвры. В тестах метод заметно сократил ошибки прогноза траекторий и число столкновений по сравнению с обучением с подкреплением.
В новой работе предложена архитектура ADN-Agent, в которой большая языковая модель берёт на себя роль диспетчера для набора профильных моделей, используемых при управлении распределительными сетями. Система сама определяет смысл запроса, дробит его на этапы, выбирает нужные инструменты и подключает их через общий интерфейс, а для упрощения текстовых подзадач применяется автоматизированное дообучение компактных LLM.
В научной работе представлен Align-LoRA — простая схема тонкой настройки, которая опирается на согласование общих признаков задач, а не на изолированные ветви модели. Такой подход ускоряет инференс и позволяет объединять веса, при этом выдавая результат сильнее, чем сложные мультизадачные конфигурации.
