Научные работы, бенчмарки и открытия
Исследовательская фирма Epoch AI выпустила отчёт, согласно которому стоимость использования искусственного интеллекта снижается почти на 50% каждый квартал и в 13 раз за год. Это быстрее, чем падение цен на литиевые батареи, секвенирование ДНК и вычислительные мощности.
Физик Мэтт Ландреман из стартапа Type One Energy опубликовал на arXiv решения уравнений магнитогидродинамического равновесия, опровергающие гипотезу Гарольда Града 1967 года. В поиске решений использовалась LLM GPT-6 Astra Pro.
Исследователи представили SWE-Adept — фреймворк из двух LLM-агентов для работы с большими кодовыми базами. Один агент ищет проблемные места, второй вносит исправления. На бенчмарках SWE-Bench Lite и Pro система улучшила end-to-end resolve rate до 4,3%.
Более 20 исследователей ИИ, включая Джеффри Хинтона, Йошуа Бенжио и руководителя исследований OpenAI Якуба Пачоцки, предупредили о возможном «интеллектуальном взрыве» из-за самоулучшающегося ИИ. В новой научной работе они призывают политиков получить больше информации о том, как автоматизируются исследования в области ИИ.
Учёный из Копенгагенского университета заявил, что «открытие» ферментов ИИ-агентами Anthropic совпадает с его неопубликованной работой. Anthropic отрицает, что Claude обучался на пользовательских данных.
Исследование arXiv:2506.04734 выявило, что результаты бенчмарков reasoning-моделей сильно зависят от условий оценки. Это касается серии Deepseek-R1-Distill, моделей на её основе и QwQ-32B.
Малые языковые модели (SLM) всё чаще рассматривают как дешёвую альтернативу LLM. Разбираем, где они действительно полезны, а где пока уступают крупным моделям.
Исследователи подключили флагманские ИИ-модели к настоящей Toyota Corolla и предложили им проехать размеченный конусами маршрут. Полностью справилась только GPT-6 Astra — со второй попытки, на скорости около 1,5 км/ч.
Старший инженер по данным Максим Коцюба собрал сквозной ML/MLOps-пайплайн для финмониторинга, который ранжирует операции по риску, а не делит их на два класса. Код и MVP опубликованы на GitHub.
Команда проекта Atria Dawn Preview выяснила, что ИИ-агенты всё чаще выполняют рутинные шаги в разработке моделей, но ключевые решения остаются за людьми. В 96,5% задач использовался ИИ, однако люди принимали 85,5% решений о методах и параметрах.
На Хабре разобрали доклад профессора Jeremie Houssineau о теории возможностей — альтернативе теории вероятностей для описания неопределённости в машинном обучении. Для неё уже есть аналог теоремы Байеса и алгоритм оптимизации uCBOpt.
Исследователи нашли в 25 языковых моделях с открытыми весами внутреннее направление активаций, которое связали с состоянием, похожим на боль. При его усилении модели чаще выбирали облегчение, даже если это вредило пользователю.
Пять экспериментов с 3 132 участниками показали: когда рядом есть языковая модель, люди почти перестают признавать незнание. Они отвечают чаще, но правильных ответов становится примерно втрое меньше.
Исследователи Nvidia создали SoL-Pi — систему, которая автоматически оптимизирует обвязку (harness) кодинг-агентов. На бенчмарке EdgeBench она сокращает расход токенов почти вдвое по сравнению с оригинальной обвязкой Pi.
ИИ-модель GPT-6 Astra расшифровала немецкое военное сообщение MVUEH, зашифрованное машиной Enigma в 1941 году. Шифровка была в открытом доступе с 2005 года, но исходный текст восстановили только сейчас — за два дня.
ИИ-агенты Claude от Anthropic обнаружили в геномных данных бактериофагов неизвестную ферментную систему, напоминающую CRISPR. Учёные и фармкомпании отнеслись к заявлению с осторожностью: функция системы неизвестна, а работа не опубликована в рецензируемом журнале.
ChatGPT-6 Astra расшифровал 82-буквенное сообщение немецкой армии, зашифрованное машиной Enigma в 1941 году. Модель справилась за два дня, написав собственный симулятор и бомбу Enigma.
OpenAI GPT-6 Astra достигла 80% точности в Furniture Assembly Benchmark от Epoch AI, определяя ошибки сборки мебели IKEA по фотографиям. В ноябре 2025 года лучший результат составлял 28%.
В сентябре 2026 года в отрасли снова спорят об AGI. Автор Хабра разбирает, почему отождествление AGI с рекурсивным самоулучшением (RSI) — подмена понятий, и проверяет утверждения по первоисточникам.
