Наука
MOOD: новый бенчмарк для обнаружения неочевидных сбоев..
Исследователи представили бенчмарк MOOD (Misalignment Out Of Distribution) для оценки систем мониторинга LLM. Они выяснили, что стандартные...
SpaceX успешно запустила самую большую ракету в истории..
Компания SpaceX провела 12-й испытательный полет сверхтяжелой ракетной системы Starship. Ракета-носитель Super Heavy V-3 стартовала с...
CUGA представила систему политик для управления LLM-агентами без..
Разработчик CUGA представил модульную систему политик для управления поведением LLM-агентов. Решение задаёт разрешённые действия, уровень...
PlanningBench: фреймворк для генерации проверяемых планировочных..
Исследователи представили PlanningBench — систему для создания масштабируемых и верифицируемых планировочных задач. Оценка современных LLM...
Новый ИИ-агент VBFDD-Agent обнаруживает неисправности батарей..
Учёные предложили VBFDD-Agent — систему на основе больших языковых моделей для диагностики неисправностей литий-ионных аккумуляторов. Агент...
Declarative Data Services: новая архитектура ИИ для сборки..
Исследователи предложили Declarative Data Services (DDS) — архитектуру, которая позволяет LLM-агентам собирать рабочие системы данных из...
Новый метод кэширования ускоряет промышленные AI-пайплайны в 30..
Исследователи представили бенчмарк AssetOpsBench и два метода оптимизации для промышленных AI-агентов. Временное кэширование дало...
Новая архитектура HANA: ИИ-агенты сокращают время восстановления..
Исследователи предложили иерархическую мультиагентную архитектуру HANA для автономных сетей уровня 4/5. В тестах на 5G Core она снизила...
Mahjax: GPU-ускоренный симулятор маджонга для обучения с..
Исследователи представили Mahjax — полностью векторизованную среду для игры в Риичи-маджонг, реализованную в JAX и оптимизированную для...
AgentAtlas: Новый метод оценки ИИ-агентов выявил скрытые провалы..
Исследователи представили AgentAtlas — методику оценки LLM-агентов, которая выходит за рамки простых рейтингов точности. Тесты восьми...
